Integrando Varredura a Laser Terrestre, IA Gerativa e Realidade Mista para a Reconstrução Digital do Patrimônio

Resumo

Esse protocolo replicável demonstra um fluxo de trabalho para a reconstrução digital do patrimônio. Ele integra Varredura a Laser Terrestre para capturar a geometria do local, IA generativa para reconstruir elementos culturais perdidos de fontes arquivísticas e Realidade Mista para visualizar esses elementos sintetizados in situ.

Resumo

A rápida aceleração da urbanização em regiões em desenvolvimento precipitou uma dupla crise para o patrimônio arquitetônico: a degradação física das estruturas e a dissipação intangível da memória cultural. As metodologias tradicionais de conservação, que dependem predominantemente de documentação estática, como fotografia e levantamento manual, são cada vez mais insuficientes para capturar as complexas dimensões espaciais e temporais desses sítios históricos. Este estudo apresenta uma nova estrutura metodológica combinatória projetada para fazer a ponte entre o arquivamento rigoroso e o engajamento público dinâmico. Detalhamos um fluxo de trabalho que sinergiza três tecnologias distintas: Varredura a Laser Terrestre (TLS) para capturar os atributos geométricos tangíveis do edifício com precisão em nível milímetro; Inteligência Artificial Gerativa Condicional (CGAI) para gerar representações visuais historicamente informadas de elementos culturais perdidos (especificamente, estruturas tradicionais de feiras de templos) baseadas em referências arquivísticas; e Realidade Aumentada (AR) via headsets holográficos para sobrepor essas camadas em uma experiência unificada de Realidade Mista (MR). O protocolo descreve todo o pipeline, desde estratégias de aquisição de dados e processamento em nuvem de pontos até a geração de modelos impulsionada por IA e a implantação final. Essa abordagem resulta em um simulacro digital dinâmico que sobrepõe com sucesso dados espaciais de alta precisão com visualizações culturais interpretativas, oferecendo um fluxo de trabalho tecnicamente viável e escalável para a preservação digital e a exposição ampliada de marcos do patrimônio urbano.

Introdução

A preservação do patrimônio arquitetônico constitui um imperativo fundamental dentro do discurso contemporâneo sobre planejamento urbano e sustentabilidade^{cultural 1,2}. À medida que as cidades passam por rápidas modernizações e digitalizações, a tensão entre desenvolvimento e conservação torna-se cada vez mais^{aguda 3}. Esse fenômeno é particularmente evidente nas Planícies Centrais da China, uma região que serve como berço da civilização, mas enfrenta a pressão implacável da expansão^{urbana 4,5}. A proteção do patrimônio cultural vai além da mera manutenção de relíquias físicas; Ela abrange a salvaguarda do contexto histórico, a transmissão de significado cultural e a preservação da autenticidade do Sítio^{Histórico 6}. A conservação do patrimônio não é um ato passivo de arquivamento, mas uma estratégia ativa de rejuvenescimento cultural, moldando a identidade de nações e regiões, ao mesmo tempo em que permite que as futuras gerações mantenham uma conexão contínua com seu mundo espiritual^{ancestral 7}. Além disso, a preservação eficaz desses sítios promove uma ecologia cultural multidimensional que interage dinamicamente com a economia global, aprimorando a imagem da região em um palco^{internacional 8}.

Apesar da reconhecida importância da conservação do patrimônio, pesquisas e recursos atuais frequentemente favorecem desproporcionalmente sítios monumentais e proeminentes, como o Templo Shaolin ou os centros históricos de Luoyang e^{Kaifeng 9}. Isso deixa marcos regionais significativos, porém menos visíveis globalmente, como o Templo do Deus da Cidade de Zhengzhou, em estado de^{marginalização 10}. Construído durante a Dinastia Ming, o Templo do Deus da Cidade, como mostrado na Figura 1, representa um exemplo singular de arquitetura religiosa bem preservada em Zhengzhou. Historicamente, funcionava não apenas como um santuário religioso, mas como um vibrante centro de atividades sociais, econômicas e folclóricas — notadamente a Feira do^{Templo 11}. Essas feiras eram o motor vital do templo, integrando sacrifício, comércio e entretenimento em uma expressão cultural^{coesa 12}. No entanto, a invasão do comercialismo moderno e do rezoneamento urbano levou ao fim dessas feiras tradicionais, resultando em um dilema de conservação. Embora o esqueleto físico do templo permaneça, o espírito intangível — o barulho, a vivacidade visual e a interação social — se dissipou em grande parte. Essa perda de lugar (espaço mais função social) ressalta a necessidade urgente de métodos de conservação que possam restaurar tanto a estrutura tangível quanto a atmosfera^{intangível 13,14}. Portanto, o protocolo detalhado neste estudo é explicitamente definido e projetado para sítios patrimoniais caracterizados por essa dicotomia específica: locais onde as estruturas arquitetônicas físicas permanecem estruturalmente intactas, mas o contexto cultural efêmero associado e os artefatos intangíveis foram perdidos.

Figura 1. Fotografia do Templo dos Deuses da Cidade de Zhengzhou mostrando o estado atual da fachada de entrada. Por favor, clique aqui para ver uma versão ampliada desta figura.

A utilização da tecnologia digital na conservação do patrimônio cultural oferece uma solução transformadora para esse dilema. O princípio da conservação exige a manutenção do valor cronológico da ontologia^{material 6}. Métodos analógicos tradicionais, como medição manual e fotografia 2D, frequentemente falham em documentar de forma abrangente as geometrias complexas da arquitetura antiga e são impotentes para restaurar cenas efêmeras perdidas. Consequentemente, o campo mudou para o "Gêmeo Digital", um conceito originalmente derivado da engenharia aeroespacial, que envolve criar uma réplica virtual de uma entidade física que abrange seu^{ciclo de vida 15}. No contexto da herança, um gêmeo digital serve como um arquivo preciso e inalterável que apoia diagnóstico, previsão e interação¹⁶.

A Varredura a Laser Terrestre (TLS) emergiu como a tecnologia fundamental para a construção da camada geométrica desses gêmeos digitais. O TLS utiliza LiDAR (Detecção e Alcance de Luz) para capturar milhões de pontos de dados por segundo, criando uma nuvem de pontos de alta densidade que registra cada fissura, inclinação e textura de um edifício com precisão em nível^{milimétrico 17}. Essa tecnologia é sem contato, tornando-a ideal para estruturas frágeis, e altamente eficiente em comparação com o levantamento de estação total. Aplicações recentes demonstraram a eficácia do TLS em cenários complexos: Marsella et ^al.18 utilizaram o TLS para avaliar a segurança estrutural da Basílica de São Pedro no Vaticano, identificando pequenas deformações invisíveis a olho nu. De forma semelhante, Barontini et ^al.19 desenvolveram uma estrutura de Modelagem de Informação de Edifícios Históricos (HBIM) que integra dados TLS para conservação preventiva. A capacidade do TLS de diagnosticar condições técnicas — como rachaduras nas paredes, assentamento da fundação e deflexão do piso — fornece uma base científica para intervenções de restauração física^20,21.

No entanto, embora TLS se destaque em registrar a realidade física existente, ele não pode restaurar a realidade histórica desaparecida. Uma nuvem de pontos é precisa, mas é estática e desprovida de contexto histórico. Para reconstruir as cenas históricas ausentes — como a atmosfera agitada da feira do templo — este estudo volta para o campo emergente da Inteligência Artificial Generativa Condicional (CGAI). Diferentemente da modelagem manual 3D tradicional, que é trabalhosa e depende fortemente da interpretação subjetiva do modelador, a CGAI (por exemplo, Stable Diffusion ou Tencent Huiyuan 3D) utiliza algoritmos de aprendizado profundo para gerar conteúdo visual com base em descrições^{textuais 22}. Ao analisar vastos conjuntos de dados de estilos e texturas arquitetônicas históricas, a CGAI pode sintetizar ou reconstruir elementos históricos plausíveis — lanternas, faixas, barracas temporárias — com base em texto de arquivo e dados visuais. Isso representa uma mudança de paradigma de registrar apenas o que existe para simular o que historicamente existiu, usando lógica orientada por dados para preencher as lacunas no arquivo^{físico 23}.

O desafio final está na disseminação desse simulacro digital. Um gêmeo digital armazenado em um servidor tem valor social limitado se não for acessível ao público. As tecnologias de Realidade Aumentada (AR) e Realidade Mista (MR) fazem a ponte entre os mundos físico e virtual, permitindo que o gêmeo digital seja sobreposto ao site^{físico 24}. Ao contrário da Realidade Virtual (VR), que isola o usuário em um ambiente completamente sintético, a RA mantém a conexão com o local do patrimônio físico enquanto o aprimora com informações digitais. Plataformas como o Fologram e dispositivos como o Microsoft HoloLens 2 permitem a projeção de modelos 3D de alta fidelidade no sistema de coordenadas do mundo real, facilitando um diálogo direto entre o visitante e a história^{reconstruída 25}. Essa abordagem imersiva demonstrou aumentar significativamente o engajamento e a compreensão dos visitantes, transformando a visualização passiva em exploração^{ativa 26}.

Embora a literatura atual frequentemente trate tecnologias de conservação digital de forma isolada, o protocolo integrado proposto neste artigo oferece uma novidade metodológica distinta. Primeiro, ao contrário dos fluxos de trabalho padrão de documentação TLS que produzem arquivos geométricos altamente precisos, porém culturalmente estéreis, nosso método introduz um contexto semântico dinâmico. Segundo, embora as reconstruções baseadas em fotogrametria se destaquem em texturizar superfícies físicas existentes, elas são estruturalmente incapazes de regenerar artefatos culturais completamente perdidos que carecem de vestígios físicos. Por fim, em contraste com os sistemas existentes de visualização de patrimônio de AR, que frequentemente dependem de ativos 3D genéricos e criados manualmente ou isolam usuários em VR, esse fluxo de trabalho utiliza CGAI para gerar visualizações específicas do local e historicamente informadas, diretamente ancoradas em dados TLS milímetros precisos. Isso preenche uma lacuna crítica ao detalhar um protocolo rigoroso e reproduzível. Para resolver ambiguidades conceituais e estabelecer uma justificativa metodológica clara, definimos explicitamente os componentes centrais desse fluxo de trabalho. Geometria documentada refere-se à réplica espacial 3D estática e altamente precisa da arquitetura física existente; Aqui é necessário TLS para capturar essa realidade empírica inegável com precisão sem contato. Em contraste, a reconstrução interpretativa gerada por IA denota as representações visuais de artefatos culturais perdidos (por exemplo, decorações de festivais) derivadas de textos de arquivo; O CGAI é necessário para essa etapa porque sintetiza interpretações probabilísticas e historicamente informadas, em vez de verdades físicas absolutas. Por fim, a RM é necessária para visualização in situ, servindo como o meio experiencial que sobrepõe perfeitamente as camadas culturais interpretativas à geometria física documentada no mundo real. Ao estruturar nossa abordagem em torno desses conceitos definidos, esse fluxo de trabalho combinatório não apenas oferece uma rota técnica para a digitalização do patrimônio cultural urbano nas Planícies Centrais, mas também oferece um novo modelo teórico de como definimos "preservação" na era digital — indo além da preservação da matéria para a revitalização da^{memória 27, 28}.

Protocolo

1. Coleta de dados históricos e análise do local

1. Inicie o projeto realizando uma revisão abrangente de arquivos. Recupere registros históricos, fotografias, desenhos arquitetônicos e descrições textuais relacionadas ao sítio histórico alvo (neste caso, o Templo do Deus da Cidade de Zhengzhou) em arquivos locais, escritórios de administração do templo e órgãos relevantes de patrimônio cultural.
2. Analise os dados textuais especificamente para identificar descrições de elementos efêmeros perdidos, como decorações de feiras de templos, barracas temporárias, estandartes e arranjos específicos de iluminação (por exemplo, "lanternas vermelhas", "danças do dragão").
3. Realize uma investigação preliminar de campo durante o dia para entender a topografia do local e documentar o estado atual de preservação arquitetônica (Figura 2). Documente a disposição do complexo, observando o eixo central, a localização do Salão Principal, das Torres do Sino e do Tambor, e possíveis obstáculos como árvores antigas ou corredores estreitos que possam obstruir linhas de visão a laser.

Figura 2. Vista atual do pátio do templo capturada durante a investigação preliminar do local. Por favor, clique aqui para ver uma versão ampliada desta figura.

4. Desenvolver uma estratégia detalhada de estação de varredura / plano de implantação. Identifique localizações específicas de coordenadas para o Scanner Laser Terrestre (TLS) para garantir cobertura de 360° de todas as estruturas. Planeje um mínimo de 12 estações, com flexibilidade para expandir para 18 estações conforme a complexidade do local.
5. Obtenha as permissões administrativas necessárias para acessar o local durante horários não públicos (normalmente do início da manhã, das 07:00 às 08:30 ou no final da tarde, das 17:00 às 18:30) para minimizar o ruído dos dados causado pelo tráfego de pedestres.

2. Aquisição por varredura a laser terrestre (TLS)

1. Implante um scanner a laser terrestre de alta precisão com deslocamento de fase. Verifique se a carga da bateria está suficiente durante a varredura e que o cartão de armazenamento SD tem capacidade adequada.
2. Instale o tripé do scanner no primeiro ponto de estação pré-determinado (comece pelo Salão Principal/Zona A). Ajuste as pernas do tripé para garantir estabilidade no pavimento de pedra.
3. Nivele o scanner usando o nível de bolha embutido ou o inclinômetro digital na interface do dispositivo. Certifique-se de que a inclinação seja inferior a 0,5° para garantir a verticalidade dos dados da nuvem de pontos.
4. Configure os parâmetros de varredura pela interface da tela sensível ao toque interna:
   1. Defina a resolução para 1/4 ou 1/5 (dependendo das restrições de tempo), garantindo um espaçamento de pontos de aproximadamente 6 mm a 10 m.
   2. Ajuste a Qualidade para 3x ou 4x para reduzir o ruído.
   3. Ative a captura de cor (Câmera Integrada) para sobrepor texturas Vermelho, Verde e Azul (RGB) sobre a geometria.
   4. Certifique-se de que o alcance de varredura cubra de 0,6 m a 120 m com precisão de distância de ±2 mm.
5. Execute uma varredura piloto de uma pequena seção (por exemplo, a Torre do Sino) para verificar as condições de iluminação. Verifique a pré-visualização para superexposição em áreas externas ou subexposição em beirais sombreados.
6. Prossiga com a sequência completa de varredura. Para cada estação, acione a varredura e recue do campo de visão do scanner para evitar projetar sombras ou aparecer nos dados (ghosting).
7. Mova o scanner para a próxima estação, garantindo uma sobreposição mínima de 30–40% com a estação anterior. Essa sobreposição é fundamental para o processo de registro de nuvem para nuvem posteriormente.
8. Capture fotografias de referência de alta resolução usando uma câmera DSLR (Digital Single-Lens Reflex) externa em cada estação para complementar a câmera interna do scanner, especialmente para entalhes detalhados ou placas caligráficas.

3. Processamento de dados em nuvem de pontos

1. Transfira os dados brutos da varredura (formato .fls) do cartão SD para uma estação de trabalho de alto desempenho executando software de processamento.
2. Importe os scans brutos para o espaço de trabalho do projeto de software.
3. Aplique filtros de pré-processamento aos dados brutos: Use o Filtro de Ponto Disperso para remover poeira e insetos voadores.
4. Use o Dark Scan Point Filter para remover dados errôneos de superfícies altamente refletivas ou absorvíveis.
5. Execute o registro automático. Permitir que o software alinhe as varreduras com base no reconhecimento geométrico de características e dados de GPS.
6. Inspecione o relatório de registro. Verifique se o erro médio de tensão (distância média entre os pontos correspondentes) está abaixo de 4mm. Se o erro ultrapassar o limite, execute o registro manual. Selecione três pontos comuns distintos (por exemplo, cantos de um edifício, pilares) em dois varreduras sobrepostas para forçar o alinhamento.
7. Aplique o Filtro de Objeto em Movimento para detectar e remover automaticamente ruídos transitórios, como pedestres ou pássaros que passaram pela cena durante a varredura.
8. Realize o Equilíbrio de Cores (ajuste de múltiplas exposições) para equalizar o brilho entre o céu claro e o interior escuro dos templos.
9. Crie uma nuvem de pontos de projeto e exporte o modelo final como um modelo estruturado . E57 ou . Arquivo OBJ. Garanta que o tamanho do arquivo seja gerenciável (por exemplo, reduza a amostragem para um espaçamento de grade de 5mm se o arquivo exceder 10GB).

4. Modelagem de IA generativa condicional (CGAI)

1. Identifique os elementos históricos específicos a serem reconstruídos com base na análise do Passo 1.2 (por exemplo, barracas tradicionais de templos, lanternas).
2. Utilize uma plataforma CGAI selecionada.
3. Construa prompts de texto precisos traduzindo diretamente descritores semânticos e registros históricos encontrados em fontes arquivísticas (por exemplo, os Anais do Condado de Zheng) em parâmetros visuais. Por exemplo, entrada: "Lanterna vermelha tradicional chinesa da dinastia Ming, brilhante, pendurada nos beirais, alto detalhe" ou "Barraca de madeira do mercado, estilo antigo, faixa de tecido, textura 3D."
4. Execute o processo de geração. Normalmente, produz um lote de 20 a 30 iterações para cada elemento histórico para garantir um tamanho de amostra suficiente de variações estilísticas e possibilidades estruturais.
5. Convocar um painel formal de validação composto por historiadores do patrimônio e especialistas do domínio antes de integrar quaisquer ativos gerados na visualização final da RM. Selecione resultados historicamente plausíveis cruzando os lotes de IA com arquivos visuais sobreviventes e consenso histórico estabelecido.
6. Descarte quaisquer resultados que apresentem características anacrônicas ou impossibilidades estruturais. Itere os prompts de texto com base no feedback explícito do painel de especialistas para refinar a precisão histórica dos modelos.

5. Integração e construção de gêmeos digitais

1. Abra o ambiente de modelagem 3D.
2. Importar a nuvem de pontos TLS processada (. OBJ) para o software de modelagem 3D.
3. Importe os ativos gerados por CGAI.
4. Alinhe e posicione manualmente os ativos CGAI dentro do ambiente de nuvem de pontos. Coloque as lanternas sob os beirais e posicione os bancos no espaço do pátio de acordo com a análise do layout histórico.
5. Use as ferramentas de modelagem do software para limpar quaisquer interseções de malha ou discrepâncias de escala entre a nuvem de pontos e os modelos de IA.
6. Texturize o modelo combinado. Aplique as imagens de Alta Faixa Dinâmica (HDR) do scanner à malha de nuvem de pontos e garanta que os ativos de IA tenham propriedades materiais apropriadas (rugosidade, metalicidade).
7. Exporte o modelo Digital Twin totalmente integrado como um . GLTF (Graphics Language Transmission Format). Esse formato é otimizado para aplicações web e AR.

6. Implantação de realidade aumentada (AR)

1. Instale o plugin de implantação de MR para o software de modelagem 3D na estação de trabalho.
2. Instale o aplicativo complementar no headset de Realidade Mista.
3. Conecte tanto a estação de trabalho quanto o headset MR à mesma rede Wi-Fi local de 5GHz para garantir uma transmissão de dados de baixa latência.
4. Inicie o plugin MR no software de modelagem para gerar um código QR de sessão.
5. Coloque o headset MR e abra o aplicativo complementar. Escaneie o código QR para sincronizar a sessão.
6. Avalie as condições ambientais no local antes do desdobramento. Programe rigorosamente sessões de visualização de RM no início da manhã ou no final da tarde para evitar fortes interferências infravermelhas do sol do meio-dia, que degradam severamente a capacidade de rastreamento espacial do headset e causam deriva do modelo.
7. Realize o alinhamento do modelo no local e estabeleça estratégias de registro espacial:
   1. Implante marcadores físicos de rastreamento (por exemplo, marcadores ArUco ou códigos QR) em pontos de ancoragem estáveis no mundo real, como a base de pedra do queimador principal de incenso. Recomendamos explicitamente o rastreamento baseado em marcadores em vez do mapeamento puramente espacial do ambiente para neutralizar a interferência infravermelha da luz solar direta, garantindo a estabilidade do modelo sob iluminação diurna desafiadora e atuando como um recuo robusto caso as âncoras espaciais naturais falharem.
   2. Utilize os sensores ópticos do headset para detectar os marcadores e travar automaticamente o modelo virtual no sistema de coordenadas correto, usando gestos manuais manuais no headset apenas para ajustes finos rotacionais menores até que a nuvem digital de pontos se sobreponha perfeitamente à estrutura física.
8. Trave a posição do modelo.
9. Explore o site para verificar a estabilidade do registro. Garantir que o limiar de precisão do alinhamento seja mantido rigorosamente, tolerando um desvio visual máximo de apenas 2–5 cm durante o movimento ativo do usuário para preservar a ilusão imersiva.

Resultados

A campanha terrestre de varredura a laser, executada em novembro de 2024, utilizou 18 estações de varredura para alcançar uma cobertura abrangente do Salão Principal, da Praça de Entrada e das zonas da Abside. Como detalhado na Tabela 1, os parâmetros de varredura foram estritamente calibrados — utilizando especificamente uma resolução de 1/4 e uma qualidade de 4x — para obter uma distância pontual de aproximadamente 6,1 mm em uma distância de 10 metros. Essa calibração ...

Discussão

Este estudo demonstra com sucesso um arcabouço metodológico combinatório para o renascimento digital do patrimônio arquitetônico. Ao integrar Varredura a Laser Terrestre (TLS), IA Generativa Condicional (CGAI) e Realidade Aumentada (AR), estabelecemos um fluxo de trabalho que transcende as limitações da preservação estática tradicional, conforme resumido no arcabouço metodológico (Figura 8).

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Câmera DSLR	Fotografia de referência de alta resolução	N/A
FARO Focus3D S120	Scanner Laser Terrestre (TLS)	FARO Technologies
CENA FARO 2019	Software de processamento de dados em nuvem de pontos	FARO Technologies
Folograma	Plugin de desenvolvimento de MR e aplicativo de headset	Folograma
Estação de trabalho de alto desempenho	Processamento e renderização de dados	N/A
Microsoft HoloLens 2	Headset de Realidade Mista (MR)	Microsoft
Rhino 8	Ambiente de modelagem 3D	Robert McNeel & Associados
Cartão de armazenamento SD	Armazenamento bruto de dados de varredura	N/A
Difusão estável	Modelo de IA Gerativa Condicional (CGAI)	IA de Estabilidade
Tencent Huiyuan 3D	Plataforma de IA Generativa Condicional (CGAI)	Tencent