基于无人机的基础设施巡检：面向 AEC+FM 的文献综述与提出框架
计算机视觉与模式识别
2026-02-03 v2 机器人学
摘要
无人机正在变革建筑、工程、施工和设施管理 (AEC+FM) 领域的基础设施巡检。通过综合 150 多项研究的见解，本综述论文重点介绍了基于无人机的方法在数据采集、摄影测量建模、缺陷检测和决策支持方面的应用。关键创新包括路径优化、热成像集成以及用于异常检测的先进机器学习 (ML) 模型，如 YOLO 和 Faster R-CNN。无人机已在结构健康监测 (SHM)、灾害响应、城市基础设施管理、能效评估和文化遗产保护中展现出价值。尽管取得了这些进展，但在实时处理、多模态数据融合和泛化能力方面仍存在挑战。受文献和案例研究启发，所提出的工作流框架将 RGB 图像、LiDAR 和热传感与基于 Transformer 的架构相集成，以提高检测结构缺陷、热异常和几何不一致的准确性和可靠性。该框架通过融合多模态数据并针对复杂环境动态调整路径规划，确保提供精确且可操作的见解，并作为一份全面的分步指南以有效应对这些挑战。本文最后提出了未来的研究方向，强调轻量级 AI 模型、自适应飞行规划、合成数据集和更丰富的模态融合，以简化现代基础设施巡检。
引用
@article{arxiv.2601.11665,
title = {UAV-Based Infrastructure Inspections: A Literature Review and Proposed Framework for AEC+FM},
author = {Amir Farzin Nikkhah and Dong Chen and Bradford Campbell and Somayeh Asadi and Arsalan Heydarian},
journal= {arXiv preprint arXiv:2601.11665},
year = {2026}
}
备注
Withdrawn at the request of the authors to allow further revisions