企业官网建设流程全解析

摘要

在建筑无人机立面巡检场景，传统全自动航线方案（如3DGS重建+占用网格自动规划）技术上可实现，但落地痛点突出：复杂异形建筑、外立面凹凸构件、现场遮挡会导致自动规划航线频繁失效；一线巡检人员习惯基于二维影像人工勾勒轮廓的交互模式，全自动方案学习成本高，自动输出结果仍需大量手工编辑。

本文提出一套大模型辅助的半自动化立面Zig-Zag巡检航线方案。核心思想不是完全替代人工，而是将「轮廓提取、轮廓预处理、立面几何推理」交给大模型与实例分割能力完成，人工负责校验、约束调整与最终航线确认；航线采用立面直上直下竖向Zig-Zag牛耕扫描，兼顾全覆盖巡检需求和业务人员的操作习惯。方案兼容常规粗建模流程，同时支持仅依靠正射影像快速生成航线初稿，提升现场作业效率。

一、业务痛点分析

1. 纯自动化方案落地难

基于3D高斯重建构建占用网格做全自动航线规划，依赖完整三维重建成果。遇到外立面支架、幕墙凹凸、树木遮挡，重建会产生畸变，生成的航线容易出现碰撞风险、漏扫区域。即便算法生成航线，现场工程师几乎都要逐段编辑，自动化产出的初稿可用率偏低。

2. 纯人工绘制工作量大

传统手动工作流：

1. 在正射影像上手工打点描绘建筑外轮廓
2. 轮廓平滑、剔除多余噪点
3. 设置建筑高度拉伸生成立面
4. 在立面布设Zig-Zag航线

其中人工勾勒轮廓最耗时，大面积异形建筑打点数量多，轮廓精度受操作人员经验影响。

3. 多类型建筑适配问题

圆形场馆、不规则弧形建筑、组合多边形建筑，人工描边难度更高；单纯固定模板航线无法自适应建筑外边界。

方案定位：AI负责生成高质量轮廓初稿，人做决策与约束校验，人机协同，半自动化输出Zig-Zag立面巡检航线。

二、整体技术路线

整体链路：

影像输入 → 大模型+实例分割提取建筑轮廓 → 大模型轮廓智能预处理 → 轮廓拉伸生成立面几何面 → 立面Zig-Zag航线自动布点 → 人工交互编辑与安全约束校验 → 输出可执行无人机航线

各环节说明：

1. 影像输入：航拍正射影像/卫星影像，框选目标建筑区域；也可接入粗建模得到的三维点云作为高度参考。

2. 大模型实例分割：调用大模型驱动的实例分割能力，识别目标建筑，剔除阴影、地面植被、周边附属构筑物，输出建筑二值Mask。

3. 轮廓智能预处理（大模型能力）：大模型识别Mask中噪点、空洞，自动平滑轮廓；区分主建筑本体和附属小构件；支持自动拆分多连体建筑，输出标准化GeoJSON矢量轮廓。

   • 人工可选操作：轮廓局部微调、删减多余面、补充分割遗漏区域。

4. 立面构建：以二维轮廓为底面，参考粗建模三维成果/人工设定高度，向上拉伸生成封闭竖向立面。立面携带外法线信息，用于后续航线偏移计算。

5. Zig-Zag航线规划（核心）：在立面表面生成竖向直上直下牛耕往复航线。

   • 沿着建筑底面轮廓做弧长参数化，将闭合立面展开为二维矩形平面（横轴=建筑环向弧长，纵轴=建筑高度）

   • 在展开平面布设航线：沿高度方向垂直扫描（直上直下），到达顶部/底部边界后，沿环向前进一个扫描步距，反向垂直扫描；重复该过程，完成整个立面全覆盖。

   • 将平面航点映射回三维空间，沿立面外法线向外偏移固定安全距离，得到建筑外侧巡检航点；航点附带相机朝向，镜头对准建筑立面。

6. 人工交互校验：操作人员可视化检查航线，修改扫描步距、安全距离、局部避让区域，删除危险航点。

7. 导出航线：输出无人机可识别的航点任务文件。

✅航线特点：每一段主航段严格垂直（直上直下），仅在上下端点做环向短步进，不是螺旋，不是斜向，不是横向扫描。完美匹配立面病害全覆盖巡检。

三、关键模块详细设计

3.1 大模型实例分割模块

区别于传统分割模型，采用多模态大模型做前置理解。

• 输入：框选后的影像截图，附带自然语言提示词——“识别图中的主体建筑，不要阴影、树木、地面附属设施，输出建筑边界mask。”
• 能力：
  1. 理解复杂场景语义，区分建筑本体与阴影，解决传统分割容易把阴影划入建筑轮廓的问题；
  2. 自动识别多个独立建筑实例，分开输出轮廓；
  3. 输出Mask转换为GeoJSON矢量，直接导入GIS/航线规划引擎。

3.2 轮廓智能预处理模块

传统分割Mask常带有锯齿、孔洞，人工修复繁琐。由大模型辅助做几何清洗：

1. 过滤微小噪点，消除Mask零散碎块；

2. 轮廓平滑，保留建筑主体拐点，不丢失关键转角；

3. 识别轮廓内凹/外凸，标记高风险区域（后续航线可预留更大安全距离）。

人工干预入口：一键编辑矢量轮廓，增删顶点。

核心代码（几何清洗：去孔洞 / 保角点平滑 / 凹凸识别）

importmathimportnumpyasnpfromshapely.geometryimportPolygon,MultiPolygonfromshapely.opsimportunary_unionfromshapelyimportmake_validdefclean_contour(geom,min_hole_area_m2=5.0):"""去内孔(空洞)与细碎自交，返回干净的单/多多边形。"""ifnotgeom.is_valid:geom=make_valid(geom)parts=geom.geomsifisinstance(geom,MultiPolygon)else[geom]out=[]forpinparts:ifp.is_emptyorp.area<1e-6:continueholes=[hforhinp.interiorsifPolygon(h).area>=min_hole_area_m2]# 丢弃小孔洞out.append(Polygon(p.exterior,holes))returnunary_union(out)defsmooth_contour_preserve_corners(coords,smooth_iter=3,corner_angle_deg=150.0):""" 类Chaikin平滑，但保留关键拐点(转角>阈值不削角)。 coords: (N,2) 环（不含重复闭合点） 返回: (M,2) 平滑后环 """P=np.asarray(coords,dtype=float)protect=np.zeros(len(P),dtype=bool)foriinrange(len(P)):a=P[(i-1)%len(P)];b=P[i];c=P[(i+1)%len(P)]v1,v2=a-b,c-b n1,n2=np.linalg.norm(v1),np.linalg.norm(v2)ifn1<1e-9orn2<1e-9:continueang=math.degrees(math.acos(np.clip(np.dot(v1,v2)/(n1*n2),-1,1)))protect[i]=ang<corner_angle_deg# 尖角保护cur=P.copy()for_inrange(smooth_iter):new=[]n=len(cur)foriinrange(n):ifprotect[i%len(protect)]:new.append(cur[i]);continuep0,p1=cur[i],cur[(i+1)%n]new.append(0.75*p0+0.25*p1)new.append(0.25*p0+0.75*p1)cur=np.array(new)returncurdefclassify_concavity(coords):""" 标记每个顶点的内凹/外凸(假设CCW)。返回 +1 外凸 / -1 内凹。 用于对内凹(高风险)区域预留更大安全距离。 """P=np.asarray(coords,float)n=len(P)sign=np.zeros(n,dtype=int)foriinrange(n):a,b,c=P[(i-1)%n],P[i],P[(i+1)%n]cross=np.cross(b-a,c-b)# CCW下 cross>0 为外凸sign[i]=1ifcross>0else-1returnsign

3.3 立面Zig-Zag航线规划算法

1. 对底面闭合轮廓做离散采样，计算轮廓弧长，建立弧长-平面坐标映射，将柱面展开为矩形。
   • Y轴：建筑高度；X轴：沿建筑外壁的环向弧长。
2. 在展开矩形生成扫描路径：
   • 起点：矩形左下角；向上直行扫描至矩形顶部；
   • 到达顶部，X方向前进一个扫描带宽（步进）；
   • 向下直行扫描至矩形底部；
   • 到达底部，X方向继续步进；循环直至覆盖整个矩形。
3. 逆映射回三维：利用弧长反向定位底面位置，高度由Y值确定；利用多边形外法线，向外偏移安全距离，得到航点。
4. 相机姿态：每个航点相机视线指向建筑立面，保证影像正对墙面。

算法优势：扫描行是纯竖向直线，照片拍摄方向稳定，后期影像拼接、病害识别更友好。

核心代码（弧长参数化 → 柱面展开 → 竖向往复扫描 → 逆映射+法线偏移）

importmathimportnumpyasnpdefresample_ring(coords,ds):""" 把闭合环按等弧长 ds 重采样。 返回: samples (M,2), cum_s (M,), total_len, normals (M,2)[向外] """P=np.asarray(coords,float)ifnotnp.allclose(P[0],P[-1]):P=np.vstack([P,P[0]])# 闭合成环seg=np.diff(P,axis=0)seg_len=np.linalg.norm(seg,axis=1)cum=np.concatenate([[0.0],np.cumsum(seg_len)])total=cum[-1]s=np.arange(0.0,total,ds)pts=np.empty((len(s),2))fori,siinenumerate(s):k=np.searchsorted(cum,si,side='right')-1k=min(k,len(seg_len)-1)t=(si-cum[k])/max(seg_len[k],1e-9)pts[i]=P[k]+t*seg[k]# 外法线: 单位切向旋转-90°, 指向CCW轮廓外侧tang=np.gradient(pts,axis=0)tang/=(np.linalg.norm(tang,axis=1,keepdims=True)+1e-12)normals=np.column_stack([tang[:,1],-tang[:,0]])# CCW外法线returnpts,s,total,normalsdefplan_facade_zigzag(coords,building_height,scan_step_m=8.0,ascend_step_m=2.0,safe_dist_m=15.0,margin_bottom_m=0.0,margin_top_m=0.0):""" 立面竖向 Zig-Zag 牛耕扫描（核心）。 coords : (N,2) 底面闭合轮廓(CCW) building_height: 立面高度 H (m) scan_step_m : 环向扫描步距(相邻竖向航带间距) ascend_step_m : 同一竖带内上下航点垂直间距 safe_dist_m : 沿外法线向外偏移的安全距离 margin_* : 上下留边 返回: waypoints (K,3) 三维航点, wp_normals (K,2), total_len """pts,s,total_len,normals=resample_ring(coords,ds=scan_step_m)z_lo=margin_bottom_m z_hi=building_height-margin_top_m z_lo,z_hi=min(z_lo,z_hi),max(z_lo,z_hi)waypoints,wp_normals=[],[]# 沿环向逐条"竖带"扫描, 相邻带上下方向交替 => 端点处短步进(牛耕)foridxinrange(len(pts)):base=pts[idx]nor=normals[idx]upward=(idx%2==0)# 偶带向上, 奇带向下z_levels=np.arange(z_lo,z_hi+1e-6,ascend_step_m)ifnotupward:z_levels=z_levels[::-1]forzinz_levels:wp=base+nor*safe_dist_m# 沿外法线外偏移waypoints.append([wp[0],wp[1],z])wp_normals.append(nor)returnnp.asarray(waypoints),np.asarray(wp_normals),total_lendefstep_from_overlap(altitude_agl,fov_deg,overlap=0.7,aspect=1.0):""" 由高度和FOV估算步距(替代拍脑袋取值)。 footprint = 2*altitude*tan(fov/2); step = footprint*(1-overlap) 返回: (行距行向, 列距列向) 单位m """footprint=2*altitude_agl*math.tan(math.radians(fov_deg/2))returnfootprint*(1-overlap),footprint*aspect*(1-overlap)

关键点：主航段仅z变化（带内base、nor固定），严格直上直下；换带仅在上下端点做一次环向scan_step_m平移——不是螺旋、不是斜向、不是横向。

3.4 最终效果图

3.5 人机协同交互设计（本方案核心创新点）

1. AI优先输出初稿，人工做约束：AI负责重活（轮廓提取、清洗、生成航线），人工负责业务决策，不用从零打点。
2. 分层编辑能力：
   • 全局参数调整：统一修改安全距离、扫描重叠率、飞行速度；
   • 局部约束：人工绘制禁飞区，AI自动避让，自动裁剪航线。
3. 双模式兼容：
   • 模式A（快速模式）：仅依靠正射影像，大模型分割轮廓，人工输入高度，快速生成航线初稿，适合应急巡检；
   • 模式B（高精度模式）：结合粗建模三维模型，读取真实建筑高度，自动调整立面起伏，适合高精度检测。

四、适用场景与边界

✅适合：场馆、筒仓、矩形高层建筑等竖向立面为主的建筑外观巡检；定期外立面病害普查、幕墙巡检。

⚠️边界：对于极度复杂悬挑结构、大量交叉遮挡建筑，仍然需要人工重点干预轮廓和航线。

五、方案优势总结

1. 贴合一线业务习惯：保留"轮廓→立面→航线"熟悉操作流程，AI只做轮廓自动提取，学习成本低，容易落地；
2. 降低工作量：省去人工描轮廓的重复劳动，轮廓初稿秒出，只需要少量修正；
3. 航线成像质量更优：竖向直上直下Zig-Zag扫描，相机朝向稳定，立面影像重叠均匀，便于后续AI病害识别；
4. 场景兼容性更强：支持有无三维模型两种作业模式，应急巡检和精细巡检都可覆盖；
5. 安全可控：人工拥有最终审核权，避免全自动算法在复杂场景下输出危险航线。