Sánchez-Soriano, JavierRojo-Gala, Miguel ÁngelPérez-Pérez, GuillermoBemposta Rosende, SergioGordo-Herrera, Natalia2026-01-282026-01-282024-12Sánchez-Soriano, J, Rojo-Gala, M Á, Pérez-Pérez, G, Bemposta Rosende, S & Gordo-Herrera, N 2024, 'Optimized Autonomous Drone Navigation Using Double Deep Q-Learning for Enhanced Real-Time 3D Image Capture', Drones, vol. 8, no. 12, 725. https://doi.org/10.3390/drones81207252504-446Xhttps://hdl.handle.net/10641/7661Publisher Copyright: © 2024 by the authors.El sistema propuesto asiste en la creación automática de mallas tridimensionales (3D) de todo tipo de objetos, edificios o escenarios, mediante drones con cámaras RGB monoculares. Todos estos objetivos son de gran tamaño y se encuentran en exteriores, lo que hace posible el uso de drones para su captura. Existen herramientas de fotogrametría en el mercado para la creación de modelos 2D y 3D mediante drones, pero este proceso no está totalmente automatizado, a diferencia del sistema propuesto en este trabajo, y se realiza manualmente con un plan de vuelo previamente definido y tras el procesamiento manual de las imágenes capturadas. El sistema propuesto funciona de la siguiente manera: una vez indicada la región a modelar, inicia el proceso de captura de imágenes. Este proceso se lleva a cabo de forma automática, decidiendo en todo momento el dispositivo la ruta óptima y el encuadre a seguir para capturar todos los ángulos y detalles. Para lograrlo, se entrena mediante la técnica de inteligencia artificial de Double Deep Q-Learning Networks (aprendizaje por refuerzo) para obtener una malla 3D completa del objetivo. [Traducción automática al español; idioma original: inglés.]The proposed system assists in the automatic creation of three-dimensional (3D) meshes for all types of objects, buildings, or scenarios, using drones with monocular RGB cameras. All these targets are large and located outdoors, which makes the use of drones for their capture possible. There are photogrammetry tools on the market for the creation of 2D and 3D models using drones, but this process is not fully automated, in contrast to the system proposed in this work, and it is performed manually with a previously defined flight plan and after manual processing of the captured images. The proposed system works as follows: after the region to be modeled is indicated, it starts the image capture process. This process takes place automatically, with the device always deciding the optimal route and the framing to be followed to capture all the angles and details. To achieve this, it is trained using the artificial intelligence technique of Double Deep Q-Learning Networks (reinforcement learning) to obtain a complete 3D mesh of the target.9307702enghttp://creativecommons.org/licenses/by-nc-nd/4.0/3D reconstructionUAVcomputer visiondeep Q-learningmonocular RGB cameranavigationperimeter mappingpoint cloudsreinforcement learningsurface reconstructionControl and Systems EngineeringInformation SystemsAerospace EngineeringComputer Science ApplicationsArtificial IntelligenceYesyesjournal articleopen access10.3390/drones8120725https://www.scopus.com/pages/publications/85213078264https://www.scopus.com/pages/publications/85213078264#tab=citedBy