[论文解读] A Review on Viewpoints and Path-planning for UAV-based 3D Reconstruction

Mehdi Maboudi, MohammadReza Homaei+4 more|arXiv (Cornell University)|May 7, 2022

Robotics and Sensor-Based Localization被引用 5

一句话总结

本综述综合了用于室外三维重建中无人机视角选择与路径规划的无模型方法与有模型方法，重点聚焦于单架无人机系统。评估了数据质量、效率和自动化水平方面的算法，识别出在自主无人机三维扫描中关键技术的创新、局限性以及未来研究方向。

ABSTRACT

Unmanned aerial vehicles (UAVs) are widely used platforms to carry data capturing sensors for various applications. The reason for this success can be found in many aspects: the high maneuverability of the UAVs, the capability of performing autonomous data acquisition, flying at different heights, and the possibility to reach almost any vantage point. The selection of appropriate viewpoints and planning the optimum trajectories of UAVs is an emerging topic that aims at increasing the automation, efficiency and reliability of the data capturing process to achieve a dataset with desired quality. On the other hand, 3D reconstruction using the data captured by UAVs is also attracting attention in research and industry. This review paper investigates a wide range of model-free and model-based algorithms for viewpoint and path planning for 3D reconstruction of large-scale objects. The analyzed approaches are limited to those that employ a single-UAV as a data capturing platform for outdoor 3D reconstruction purposes. In addition to discussing the evaluation strategies, this paper also highlights the innovations and limitations of the investigated approaches. It concludes with a critical analysis of the existing challenges and future research perspectives.

研究动机与目标

• 分析并分类现有用于室外环境中基于无人机的三维重建的视角选择与路径规划方法。
• 评估单架无人机系统在三维重建任务中的性能、自动化水平和数据质量。
• 识别当前基于无人机的数据获取方法在技术上的创新、局限性与研究空白。
• 对文献中用于无人机路径规划与视角选择的评估策略进行批判性评估。
• 概述提升自主性、效率与可靠性的未来研究方向，以推动基于无人机的三维重建发展。

提出的方法

• 系统性回顾2010至2022年间计算机视觉、机器人学与遥感领域的177篇同行评审论文，聚焦于基于无人机的三维重建。
• 根据视角与轨迹的生成方式，将方法分类为无模型与有模型两类。
• 基于几何、可见性与覆盖度标准分析算法，以确定最优的无人机飞行路径。
• 评估RRT*、A*及采样方法等路径规划技术在轨迹优化与避障方面的性能。
• 综合分析各研究中的性能指标，包括重建精度、覆盖率与计算效率。
• 整合机器人学（cs.RO）、计算机视觉（cs.CV）与图形学（cs.GR）领域的洞见，评估跨学科进展。

实验结果

研究问题

• RQ1 在室外三维重建中，无人机视角与路径规划的主流无模型与有模型方法有哪些？
• RQ2 不同路径规划算法如何在数据质量、计算成本与任务自主性之间实现平衡？
• RQ3 评估基于无人机的三维重建系统性能时，常用的评估指标有哪些？
• RQ4 当前无人机路径规划与视角选择方法存在哪些关键局限性与挑战？
• RQ5 在推动自主无人机三维重建方面，最具前景的未来研究方向是什么？

主要发现

• 无模型方法（如采样方法与启发式规则）因简单且计算成本低而被广泛使用，但通常缺乏全局最优性。
• 有模型方法（包括基于可见性的方法与覆盖度优化技术）可实现更高的重建质量，但需要详细的场景知识，且计算开销较高。
• 基于RRT*与A*的规划器在复杂环境（含障碍物）中表现出优异的轨迹优化性能。
• 评估策略在不同研究中差异显著，重建精度、覆盖率与路径平滑性等指标缺乏标准化。
• 尽管已有进展，实时适应性、动态环境处理能力以及对传感器噪声与GPS漂移的鲁棒性仍面临挑战。
• 未来研究应聚焦于融合学习方法，提升在多样化场景下的泛化能力，并增强实时决策能力。