本文介绍了一种高效计算户外场景中高质量 3D 重建的视点和轨迹的新方法，利用搭载在自主导航四旋翼飞行器上的 RGB 摄像机采集图像，并利用分层的体积表示区分未知、自由和占据空间，利用信息增益来处理遮挡，避免障碍并规划无碰撞的飞行路径，以限制四旋翼的总飞行距离，获得了多项令人信服的 3D 重建结果，并证明了此方法的量化提升。

May, 2017

通过机器学习和图像处理实现无人机的三维重建和监测，其中视角规划是其关键部分，该研究提出了一种基于 Bag-of-Views 的模型，用于评估捕获视角的效用。

Jul, 2023

本文提出了一种基于卷积神经网络的数据驱动方法来解决 3D 物体重建中的下一个最佳视角问题，验证实验表明，该方法在预测下一个最佳视角、提高物体重建覆盖率和提高运算速度等方面，都有很高的性能表现。

Jan, 2021

本文提出了一种基于监督深度学习的最佳视角规划方案，该方案包括自动生成数据集的算法和原始三维卷积神经网络 (3D-CNN)，用于学习下一个最佳视角，并与类似网络进行了比较，并进行了多个实验验证了该方案的有效性，以实现对不知名对象的重建。

May, 2019

本文提出一种通过使用有符号距离场获取和使用平面表面信息的新算法，有效地解决了在线重建中嘈杂不完整的问题，并使用平面拟合实现了意义上的语义分割。

Sep, 2016

通过利用扩散模型的强大的 3D 生成能力作为先验，我们提出了一种新颖的一次性视图规划方法，从而实现了仅通过对象的单个 RGB 图像开始进行高效的一次性视图规划，以平衡对象重建质量和移动成本。

Mar, 2024

机器人在番茄大棚中越来越多地用于自动化劳动密集型任务，但面临着植物其他部分的遮挡引起的感知困难。我们提出了一种基于梯度的下一最佳观测点规划方法，通过差分射线采样直接估计视点规划的局部梯度方向，旨在克服遮挡问题并提高感知质量，在模拟实验中证明了该方法的有效性。

Nov, 2023

该文提出了一种基于新视角预测误差的统一评估方法，能够分析可以从输入图像中渲染新视角的任何方法的视觉质量，该方法不需要地面真实几何信息，并能够在获取和重建过程中评估未知场景的质量， 适用于评估各种使用情况。

Jan, 2016

该研究提出了一种基于卷积神经网络的学习型实用函数，用以预测和最大化探测未知场景中的有用信息，该方法在使用干扰噪声的情况下，比现有实用函数具有更高的重建性能，在城市场景的大型 3D 模型中得到了验证。

Jun, 2018

通过引入基于前沿探索任务的全局覆盖和基于隐式表面不确定性的重建任务，结合使用颜色不确定性实现隐式表面不确定性的方法，提出了一种自适应策略来在视角路径规划中切换模式，以减少时间并保持卓越的重建质量。该方法在所有规划方法中展示了最高的重建质量和在涉及重建任务的方法中的优越规划效率。我们在一架无人机上部署了我们的方法，并且结果显示我们的方法可以计划多任务视图并以高质量重建场景。

Apr, 2024