体素膨胀与RKGA优化：提升3D视图规划在建筑监控中的效率

"《科学直接计算设计与工程》杂志2018年第5期的论文探讨了基于体素膨胀、中间对象和随机密钥遗传算法（RKGA）的视图规划优化问题。该研究聚焦于针对建筑物检查和监控应用的三维（3D）无人机（UAV）视点规划，旨在解决先前方法中存在的局限性，如专为二维（2D）设计、生成次优视图集或只覆盖目标表面部分。 论文首先回顾了传统的视图规划方法，这些方法在处理3D场景时存在不足，例如最优扫描区域方法和基于随机采样的方法，它们可能无法提供全局最优的视点集合。作者提出了一种新颖的两步计算策略，分为以下几个步骤： 1. 体素膨胀：首先，通过对建筑物表面进行体素扩张，构建出一个包含建筑物的子体积，这有助于更全面地考虑目标物体的三维结构。 2. 中间对象（MO）计算：接着，计算该子体积的中间对象，这作为潜在视点的参考点，确保视点能够更好地覆盖建筑物的各个部分。 3. 高斯采样和MO表面：使用高斯采样技术，对围绕MO表面的候选视点进行评估，以便确定可能的观察角度。 4. 优化问题建模：将视点选择问题转化为部分集合覆盖问题，这涉及到如何用最少的视点达到最大的覆盖范围。 5. 随机密钥遗传算法（RKGA）与贪婪搜索：利用RKGA的搜索能力和贪婪搜索的高效性，对候选视点进行优化，以找到接近最优的视点集合。 为了验证新方法的有效性，作者通过一系列的案例分析进行了实验，并对比了新方法与传统方法在视点数量和覆盖效果上的表现。结果显示，新方法在保持较低视点需求的同时，能够实现更高的覆盖率，从而显著改进了视图规划的效率和质量。 这篇论文不仅提出了一个创新的视图规划算法，还展示了其在实际应用场景中的优势，对于提高无人机在建筑物检查和监控中的应用效能具有重要意义。读者可以通过ScienceDirect网站获取全文，该论文遵循CCBY-NC-ND许可协议，允许在特定条件下分享和使用。"