针对复杂且不规则的建筑群，采用自适应规划方法优化多架无人机协同执行的精细检查路径

《AUTOMATION IN CONSTRUCTION》：Adaptive planning of multi-UAV refined inspection path for complex and irregular building clusters

基于自适应分层的多无人机复杂建筑群巡检路径规划方法，通过整合A*、贪心算法和2-opt优化算法，实现了飞行路径长度减少9.6%和中间航点减少47.7%的实验效果。

　　

陈鹏 lu|谭毅|尹文

香港理工大学建筑与房地产系，中国香港

摘要

在全球快速城市化的背景下，城市已进入以建筑维护为主导的阶段。鉴于现有研究主要关注使用单架无人机对简单独立建筑进行检查，本文提出了一种自动路径规划方法，用于对复杂、不规则的建筑群进行精细化检查。首先，引入了一种自适应分层机制，根据3D建筑群模型的结构特征生成全覆盖的检查点。然后通过整合A*算法和贪婪算法生成初始无障碍飞行路径。进一步通过应用2-opt算法消除交叉点并减少飞行距离，同时利用DP（Douglas Peucke）算法简化轨迹，减少冗余航点。在六座形状不规则的建筑上的实验验证表明，飞行路径长度减少了9.6%，中间航点数量减少了47.7%。所提出的框架能够实现建筑群的精细化检查路径规划，提高了基于多架无人机的建筑运营和维护的自动化水平和实际应用性。

引言

随着建筑结构的老化和极端环境条件的加剧，大型高层建筑外立面的损坏风险显著增加，对公共资产和个人安全构成了严重威胁[1]。定期检查建筑构件对于控制退化、预防结构故障、及时修复环境中发现的潜在裂缝、确保建筑性能的稳定性以及降低整体运营和维护成本至关重要[2]。在新加坡，根据《建筑控制法》的修订，20年以上且高度超过13米的建筑必须每七年进行一次严格的外立面检查。根据该法规，每年有超过4000栋建筑接受检查，且这一数字逐年增加[3]。近期频繁发生的建筑外立面脱落事件进一步凸显了对老化建筑结构进行系统状态评估的紧迫性，特别是强调了对大型不规则建筑综合体进行高效日常检查的必要性，以准确评估其结构安全性。

传统的建筑检查方法严重依赖人工操作，通常需要使用辅助设备与建筑结构紧密接触[4]，这导致检查成本高昂、效率低下，并增加了无法满足建筑行业日益增长的运营和维护需求的风险，从而限制了建筑检查的可靠性[5]。因此，一些研究人员越来越多地将注意力转向应用新兴技术，如建筑信息模型（BIM）[6]、计算机视觉（CV）[7]和无人机（UAV）[8]。由于无人机具有灵活的机动性、独特的视角和高成本效益[9]，在建筑检查领域显示出巨大潜力。然而，以往的研究主要集中在使用单架无人机检查单个或形状规则的建筑[10]，忽视了现实世界中建筑群所面临的独特挑战，例如不规则的建筑结构、复杂的空间布局以及由此产生的遮挡、避障和多无人机路径规划问题，这些问题都缺乏足够的关注和有效的解决方案。

当前的方法在处理复杂建筑群时面临各种挑战，包括难以全面覆盖所有关键区域、路径规划效率低下以及缺乏有效的多无人机区域检查策略。为应对上述挑战，特别是对不规则建筑群进行高效、精确和自动化检测的需求，本研究提出了一种基于自适应分层机制的多无人机路径规划方法。首先，开发了一种自适应分层机制，该机制可以根据不规则建筑群的几何形状、空间分布密度和相对位置智能划分检测区域和层次，突破了传统方法仅适用于规则建筑群或单个建筑的局限性。其次，建立了一种多无人机精细化路径规划算法，该算法深度融合了建筑表面特征、无人机能量限制、碰撞避免规则和全局覆盖目标，显著提高了检测路径的规划效率和执行效果。第三，通过实证研究验证了所提方法的可行性和优越性。通过结合多种路径优化算法，有效缩短了总路径长度并减少了悬停频率。同时，该方法有效解决了复杂建筑群检测中的痛点，如难以覆盖关键区域、路径规划效率低下等问题，提高了检测的全面性和准确性。此外，它建立了一个自适应层次结构、受限视角优化和分区任务分配的自动化检测技术框架，提升了基于无人机的建筑外立面检测的智能化水平和实用性。该方法符合建筑行业的运营和维护转型需求及相关监管要求，为建筑安全管理提供了有力支持。

本研究的其余部分安排如下：第2节回顾相关文献，第3节介绍用于不规则和复杂建筑群多无人机精细化检查的路径自适应规划框架，第4节通过实证测试验证所提方法的可行性，第5节总结本研究的主要贡献。

章节摘录

文献综述

为了系统分析现有研究在提高大规模建筑群检查效率方面的局限性，并为后续优化提供理论基础和方法指导，本文将从建筑检查领域和无人机路径规划两个维度系统回顾和深入评估现有文献。

通过上述两个方面的文献综述，本文旨在明确当前研究的关键差距

方法论

为了进一步提高对不规则形状建筑群精细化检查的效率和准确性，本文提出了一种基于自适应分层机制的多无人机路径规划方法。该方法首先基于高精度3D重建模型完成目标建筑的结构分解和自动分层处理，然后将复杂的建筑空间划分为多个适应操作的检测子区域

案例研究

为了验证基于自适应分层机制的多无人机路径规划方法在检查不规则形状建筑群方面的适用性，并进一步推进外立面检测的自动化和智能化，本研究选择了深圳大学南校区作为实验地点，如图13所示。该校区包含六栋具有不同几何形状、高度和面积分布的建筑，为测试提供了理想的环境

讨论

本节综合了所提出的多无人机路径规划框架在不规则建筑群外立面检测方面的核心贡献、局限性和未来研究方向。首先详细阐述了三项关键创新：自适应分层机制、集成精细化路径规划算法和经过验证的闭环自动化检测框架。然后，指出了当前系统的关键约束，如对人工目标的依赖性和静态

结论

为了实现不规则建筑群的外立面完全自动化检测，本文提出了一种多无人机路径规划框架，该框架结合了自适应分层、受限视角优化和分区任务分配。首先，将3D重建模型的复杂外立面分解为分层子区域，在这些子区域内根据最大覆盖准则生成候选视角，并通过视野（FOV）和相机方向约束进行优化。

CRediT作者贡献声明

陈鹏 lu：验证、软件、方法论、概念化、撰写——初稿。谭毅：监督、资源获取、资金筹措、形式分析、撰写——审阅与编辑。尹文：验证、资金筹措、概念化、撰写——审阅与编辑。

写作过程中生成式AI和AI辅助技术的声明

在准备本工作时，作者使用AI来提高手稿的可读性和语言表达。使用该服务后，作者根据需要对内容进行了审阅和编辑，并对出版物的内容负全责。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。

致谢

本研究得到了深圳市科技创新委员会（SZSTI）（项目编号：SGCX20250526142403005）和国家自然科学基金（NSFC）（项目编号：72201229、52308319、72361137006）的支持。