La colaboración de vehículos terrestres (GV) y drones ofrece un enfoque poderoso para mejorar las capacidades de los drones. La investigación actual se centra en la exploración de objetivos solo con drones o de un solo tipo, sin tener en cuenta adecuadamente los escenarios prácticos. Este documento presenta un problema de enrutamiento de colaboración GV-dron con reconocimiento de objetivos de múltiples tipos (GVD-MTR), que integra explícitamente la colaboración GV-dron con el reconocimiento simultáneo de objetivos puntuales, lineales y de área. Para abordar este problema, proponemos un algoritmo híbrido de dos etapas impulsado por conocimiento (KDHA). En la primera etapa, se aplica la agrupación K-means combinada con operadores heurísticos para generar y refinar rutas para el GV. En la segunda etapa, se implementa un método mejorado de Búsqueda de Vecindario Grande Adaptativa (IALNS) para producir rutas de drones optimizadas. KDHA aprovecha estrategias de búsqueda híbridas, como una estrategia de inicialización basada en población y una estrategia de aceptación multinivel, para generar soluciones de alta calidad de manera eficiente. En cuanto al reconocimiento de los impactos de diferentes tipos de objetivos en la distancia total de viaje, incorporamos el conocimiento del dominio relacionado para diseñar operadores de búsqueda específicos para el problema. Amplios experimentos de simulación demuestran que KDHA supera consistentemente a varias heurísticas de vanguardia en términos de calidad de solución y tiempo de ejecución. Los análisis de sensibilidad confirman aún más la robustez del enfoque propuesto en una variedad de configuraciones de parámetros e instancias del problema.