1. 从'点'到'任务'：理解智能航线规划的核心
如果使用过基础的无人机航线规划工具，可能觉得'不就是在地图上点几个点，连成线让飞机飞过去'吗？确实，早期的航点飞行就是这么简单。但真正投入到巡检、测绘、安防这类复杂任务时，会发现单纯的'点对点'飞行远远不够。
想象电力巡检场景：无人机飞到第 3 号铁塔时，需要悬停、调整云台角度对准绝缘子串拍照；飞到第 5 号铁塔时，需要切换变焦镜头拍摄细节；在跨越河流的航线段，需要启动 AI 识别算法，自动监测河道漂浮物。这就不再是一条简单的'线'，而是一个由航点、动作、智能决策共同构成的三维空间任务流。
这就是 Cesium 在无人机应用开发中的独特价值。它不仅仅是一个三维地球可视化库，更是一个强大的空间任务编排平台。基于 Cesium，可以将地理空间坐标（航点）与丰富的动作指令（Action） 以及AI 识别逻辑绑定在一起，生成一个无人机能读懂、可执行的复杂任务剧本。
项目初期常遇到此类问题，以为把航线画漂亮就行了。结果真机测试时，要么动作没执行，要么 AI 识别段乱飞。后来才明白，关键在于数据结构的定义和转换。一个航点不再是一个简单的 {lng, lat, alt} 对象，而应该是一个任务节点，它可能包含：
{
id: 3,
position: Cesium.Cartesian3.fromDegrees(116.391, 39.906, 150),
speed: 8.0,
actions: [
{ type: 'gimbal_rotate', payload: { pitch: -45, yaw: 0 } }, // 云台下俯 45 度
{ type: 'camera_shoot', payload: { mode: 'photo', interval: 2.0 } }, // 拍照，间隔 2 秒
{ type: 'ai_trigger', payload: { model: 'defect_detection', roi: 'current_view' } } // 触发缺陷识别 AI
]
}
这种结构化的航点数据，才是连接 Cesium 可视化编辑界面与无人机飞控系统的桥梁。后续所有工作，都是围绕如何设计、编辑、转换并最终执行这样的'智能航点'展开。
