核心发现
方法论
本文提出了一种迭代混合离散-连续视点规划方法，利用代理重建生成候选视点，并通过聚类协方差矩阵适应进化策略（CMA-ES）优化。该方法通过前视性、成像距离、视差和多视图观察计数对采样表面点进行评分，并评估视点集的可见性、成对重叠和图连接性。
关键结果
- 在三个合成场景中，该方法提高了重建的准确性和完整性，90%误差减少到0.196米，完整性提高到42.76%。
- 与Smith等人和Yan等人的方法相比，图像数量减少，重建时间缩短。
- 在Tomb场景中，减少了立面和入口周围的严重误差区域。
研究意义
该研究在无人机摄影测量领域具有重要意义，通过改进视点规划方法，提升了重建的精度和完整性。这一方法不仅解决了传统飞行路径无法适应场景几何形状的问题，还为复杂结构的完整重建提供了新的思路。
技术贡献
技术贡献包括提出了一种结合局部摄影测量质量与全局图像网络属性的重建目标，开发了一种混合离散-连续规划器，并设计了两级视点方案，结合近距离细节视图与更广泛的模型覆盖视图。
新颖性
该方法首次结合了离散和连续优化策略来改进无人机视点规划，显著提升了重建的精度和完整性，与现有方法相比具有明显的创新性。
局限性
- 方法依赖于代理重建的质量，若代理模型中缺失或重建不佳的区域，可能在视点生成时未被充分优先考虑。
- 在复杂场景中，可能仍存在较大的误差。
未来方向
未来的研究方向包括利用代理重建图像来检测未在代理几何中捕获的细节，并将飞行时间和飞行质量纳入CMA-ES目标，以便同时优化重建质量和实际无人机轨迹效率。
AI 总览摘要
无人机摄影测量在建筑物、基础设施和文化遗产地的重建中得到广泛应用。然而，传统的飞行路径如正射草坪飞行，往往无法适应复杂的场景几何，导致局部重建误差。本文提出了一种迭代混合离散-连续视点规划方法，通过代理重建生成候选视点，并利用聚类CMA-ES优化，最终结合近距离细节视点与更广泛的模型覆盖视点，平衡局部重建质量与全局图像网络的稳健性。
在三个合成场景的评估中，该方法提高了重建的准确性和完整性，与现有的无人机路径规划方法相比，图像数量减少，重建时间缩短。特别是在Tomb场景中，减少了立面和入口周围的严重误差区域。
尽管该方法在大多数情况下提升了重建质量，但其依赖于代理重建的质量，未来的研究将探讨如何利用代理重建图像检测未捕获的细节，并将飞行时间和飞行质量纳入优化目标。
深度分析
研究背景
无人机摄影测量在建筑物、基础设施和文化遗产地的重建中得到广泛应用。传统的飞行路径如正射草坪飞行，虽然简单易行，但往往无法适应复杂的场景几何，导致局部重建误差。近年来，研究者们提出了多种视点规划方法，如在线的下一个最佳视点（NBV）方法和基于模型的规划方法，以提高重建的精度和完整性。
核心问题
无人机摄影测量的核心问题在于如何规划视点以提供足够的表面覆盖、图像重叠、视差和分辨率，同时避免不良的观察角度和遮挡。传统的飞行路径往往无法适应复杂的场景几何，导致局部重建误差。
核心创新
本文的核心创新在于提出了一种迭代混合离散-连续视点规划方法。该方法结合了离散和连续优化策略，通过代理重建生成候选视点，并利用聚类CMA-ES优化，最终结合近距离细节视点与更广泛的模型覆盖视点，平衡局部重建质量与全局图像网络的稳健性。
方法详解
- �� 代理重建生成初始视点
- �� 通过聚类CMA-ES优化视点
- �� 结合近距离细节视点与更广泛的模型覆盖视点
- �� 评估视点集的可见性、成对重叠和图连接性
实验设计
实验在三个合成场景中进行：Tu Duc的陵墓、圣索菲亚教堂和墨西哥城大教堂。使用Unity 6000.3.2f1渲染图像，并使用OpenMVG和OpenMVS进行代理重建。最终重建使用RealityScan在正常细节质量下生成。
结果分析
实验结果表明，该方法在所有场景中提高了重建的准确性和完整性，90%误差减少到0.196米，完整性提高到42.76%。与现有方法相比，图像数量减少，重建时间缩短。
应用场景
该方法可用于建筑物、基础设施和文化遗产地的高精度重建，特别适用于复杂结构的完整重建。其在无人机路径规划中的应用将显著提高重建的精度和完整性。
局限与展望
该方法依赖于代理重建的质量，若代理模型中缺失或重建不佳的区域，可能在视点生成时未被充分优先考虑。未来的研究将探讨如何利用代理重建图像检测未捕获的细节，并将飞行时间和飞行质量纳入优化目标。
通俗解读 非专业人士也能看懂
想象你在一个大房子里拍照，想要每个房间的细节和整体布局。传统方法就像在房子上空画一个大网格拍照，可能遗漏细节。本文的方法就像先用一个粗略的模型了解房子，然后有针对性地拍摄每个房间的细节和整体，确保每个角落都被拍到。
简单解释 像给14岁少年讲一样
想象你在玩一个建筑游戏，需要用无人机拍摄建筑物的每个细节。传统方法就像用无人机在建筑物上空画一个大网格拍照，可能遗漏一些重要的细节。本文的方法就像先用一个粗略的模型了解建筑物，然后有针对性地拍摄每个房间的细节和整体，确保每个角落都被拍到。是不是很酷？
术语表
视点规划 (Viewpoint Planning)
选择摄像机位置以优化重建条件的过程。
用于无人机摄影测量中以提高重建精度。
摄影测量 (Photogrammetry)
通过分析图像来测量和记录物体及其环境的技术。
用于无人机拍摄的图像重建。
CMA-ES (协方差矩阵适应进化策略)
一种用于非凸、非可微优化问题的进化策略。
用于优化视点的连续参数。
代理重建 (Proxy Reconstruction)
初步的粗略3D模型，用于指导后续的详细重建。
用于生成初始视点。
图像网络 (Image Network)
由多个相互关联的图像组成的网络，用于3D重建。
用于评估视点集的可见性和连接性。
开放问题 这项研究留下的未解疑问
- 1 如何在复杂场景中进一步提高重建的完整性和精度？
- 2 如何利用代理重建图像检测未捕获的细节？
应用场景
近期应用
建筑物重建
可用于建筑物的高精度3D重建，特别是在复杂结构中。
远期愿景
文化遗产保护
通过精确的3D重建，帮助保护和修复文化遗产。
原文摘要
Unmanned aerial vehicle (UAV) photogrammetry requires camera networks that provide sufficient surface coverage, image overlap, parallax, and resolution, yet conventional flight patterns are often poorly adapted to scene geometry resulting in local reconstruction errors. This paper proposes an iterative hybrid discrete-continuous viewpoint planning method for targeted UAV photogrammetry from a proxy reconstruction. The method scores sampled surface points using photogrammetric heuristics based on frontality, imaging distance, parallax, and multi-view observation count, while also evaluating the full viewpoint set in terms of visibility, pairwise overlap, and graph connectivity. Candidate viewpoints are generated around weakly observed regions, refined using clustered Covariance matrix adaptation evolution strategy (CMA-ES) optimisation, and removed when redundant. The final flight path combines close-range detail viewpoints with wider model-coverage viewpoints, balancing local reconstruction quality with global image-network robustness. Evaluation on three synthetic scenes shows that the proposed method improves both reconstruction accuracy and completeness compared with prior UAV path-planning methods.