随着建筑结构的老化和极端环境条件的加剧，大型高层建筑外观损坏的风险显著增加，这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总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，所有超过20年历史且高度超过13米的建筑都必须每七年进行一次严格的外部检查。根据这项法规，每年有超过4000栋建筑接受检查，而且这个数字还在逐年增加[3]。最近频繁发生的建筑外墙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]，这导致了高昂的检查成本、效率低下，并且无法满足建筑行业日益增长的运营和维护需求，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，例如多样化的形状和复杂的结构，以及由此产生的遮挡、避障和多架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架无人机区域检查策略。为了应对这些挑战，特别是对不规则形状建筑群进行高效、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架无人机路径规划方法。首先，它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地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栋建筑的局限。其次，它建立了一种多架无人机的精细路径规划算法，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出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，该方法有效解决了检测复杂建筑群时的难点，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分层、受限视角优化和分区任务分配的自动化检测技术框架，提高了基于无人机的建筑外墙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以及相关监管要求，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架无人机精细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出方法的可行性，第5节总结本研究的主要贡献。
