免费项目
PACMAN：多无人机3D建筑工地测绘路径分配优化系统
基于AI的多无人机3D建筑工地测绘规划流水线（ICCEPM 2025），采用容量感知约束K-Means聚类实现负载均衡分区。支持Greedy、Cheapest Insertion、遗传算法、蚁群算法等多种TSP求解器，将GPS采集点转换为时间优化的航点文件
项目说明
项目简介
PACMAN（Partitioned Autonomous Clustering for Multi-drone Aerial Navigation）是基于AI的规划流水线，专为建筑工地3D测绘设计。论文发表于2025年国际建筑工程与项目管理会议（ICCEPM）。
核心功能
- 容量感知约束K-Means：负载均衡分区确保工作量近似相等，容量约束限制点数，迭代优化，收敛保证
- 可插拔TSP求解器：Greedy（最快）、Cheapest Insertion（平衡）、遗传算法（高质量，需Optimization Toolbox）、蚁群算法（复杂优化）
- GPS采集点处理：坐标转换（WGS84/UTM），高度处理，点云过滤，密度分析
- 航点文件生成：标准格式输出（MAVLink/KML/CSV），高度优化，飞行安全，时间估算
- 可视化分析：2D/3D可视化，工作负载对比，时间线图表，覆盖热力图
技术架构
- MATLAB核心模块：main_simulation.m（主仿真）、generateCapturePoints.m（点生成）、cluster_kmeans.m（聚类）、solve_*.m（TSP求解器）、replayDroneRoutes.m（路径回放）、calculateRouteLength.m（长度计算）
- 算法流程：采集点生成 → 容量约束聚类 → TSP路径优化 → 时间计算与平衡 → 航点文件导出
应用场景
建筑工地3D测绘（施工监控、BIM更新、质量检查）、大型建筑检查（外立面、屋顶、结构健康监测）、基础设施评估（桥梁、大坝、塔楼）、房地产营销（楼盘航拍、3D虚拟参观）
技术亮点
- 智能负载均衡：自适应容量，时间优先，迭代改进
- 真正协同：并行执行，最小化等待，同步返航
- 灵活求解：任务驱动选择，质量-速度权衡，混合策略
- 端到端自动化：GPS点到航点文件全自动，参数自调整，结果验证
性能指标
负载均衡：时间方差<5%，工作量差异比<1.2，总时间优化减少30-50%。路径质量：100%覆盖，最小化急转弯，合理高度变化。计算性能：小规模<10秒，中等规模<60秒，大规模<5分钟。实际应用：多个真实工地验证，节省70%规划时间，>95%任务成功率。