面向城市场景更新的空中路径在线规划

我们提出了首个专为检测和更新城市环境中变化区域而设计的场景更新空中路径规划算法。现有的大规模三维城市场景重建方法侧重于实现高精度和高完整性，但对于需要定期更新的场景效率低下，因为它们常常重新探索和重建整个场景，在未变化区域浪费大量时间和资源。为解决这一局限性，我们的方法利用先验重建和变化概率统计来引导无人机检测并聚焦于可能已发生变化的区域。我们的方法引入了一种新颖的可变性启发式方法来评估变化的可能性，从而驱动两条飞行路径的规划：一条由静态先验信息引导的先验路径，以及一条能适应新检测到变化的动态实时路径。该框架集成了表面采样和候选视角生成策略，确保以最小的冗余高效覆盖变化区域。在真实世界城市数据集上的大量实验表明，我们的方法显著减少了飞行时间和计算开销，同时保持了与全场景重新探索和重建相媲美的高质量更新。这些贡献为在复杂的城市环境中实现高效、可扩展和自适应的基于无人机的场景更新铺平了道路。