室內基礎設施檢測，如隧道和工業設施，需要系統性的表面覆蓋以確保所有檢測目標被適當觀察。無人機通過使用先驗結構模型進行地圖引導的表面檢測，提供了一種替代人工檢測的方法。然而，在實際應用中，室內檢測通常依賴基於平面圖的參考地圖，這些地圖可能無法反映臨時結構或設備等意外障礙，導致視點遮擋和檢測質量下降。現有的覆蓋規劃方法通常假設檢測環境完全已知，並基於準確的先驗地圖執行確定性的全局視點優化，這使得它們在執行過程中容易受到環境差異的影響。
本研究提出了一種用於部分已知結構化室內環境的自適應無人機檢測框架，名為ASIP-Planner。該方法集成了基於分段的全局覆蓋規劃器和麪向檢測的局部視點自適應模塊。全局規劃器將平面檢測目標組織成表面對齊的簇，以生成具有更好方向一致性的緊湊視點序列。局部規劃器生成無碰撞軌跡，並在線調整視角方向，以減輕遮擋導致的覆蓋損失，同時保持規劃的軌跡結構。通過這種方式，ASIP-Planner能夠在環境部分已知的情況下，動態適應臨時障礙物，確保檢測覆蓋的完整性。
在多種隨機場景配置下的仿真結果表明，與代表性基線相比，所提出的全局規劃器在減少軌跡長度的同時實現了近乎完全的覆蓋。真實世界的飛行實驗進一步驗證了該框架能夠產生可用於下游分析的有用檢測數據。這些結果表明，所提出的框架在部分已知的結構化室內環境中提高了檢測效率和適應性。此外，該框架的模塊化設計使其易於集成到現有無人機系統中，為工業檢測、基礎設施維護等領域提供了可行的解決方案。未來工作可能包括與更復雜的傳感器融合、多無人機協作以及深度學習增強的視點選擇等方向的結合。