Los métodos tradicionales de planificación de rutas para vehículos aéreos no tripulados (UAV) en la reconstrucción 3D basada en imágenes a menudo dependen únicamente de la información geométrica de modelos iniciales, lo que resulta en una adquisición de datos redundante en áreas no arquitectónicas. Este artículo propone un método de planificación de rutas de UAV a través de la segmentación semántica de modelos de malla de realidad 3D para mejorar la eficiencia y precisión en escenarios complejos. La escena se segmenta en edificios, vegetación, suelo y cuerpos de agua. Se extraen superficies poligonales ligeras para los edificios, mientras que los segmentos planos en regiones no edificadas se ajustan y proyectan en parches poligonales simplificados. Estos objetivos fotográficos se descomponen aún más en primitivas de punto, línea y superficie. Se adopta una estrategia de adquisición de imágenes de multi-resolución, con cobertura de alta resolución para edificios y escaneo rápido para áreas no edificadas. Para garantizar la seguridad del vuelo, se utiliza un modelo de caparazón basado en un Modelo Digital de Superficie (DSM) para la evitación de obstáculos, y se aplica una evaluación de señal de Cinética en Tiempo Real (RTK) basada en la vista del cielo para guiar la optimización del punto de vista. Finalmente, se construye un grafo completo ponderado, y se emplea la optimización por colonia de hormigas para generar una ruta de vuelo de bajo costo energético. Los resultados experimentales demuestran que, en comparación con la fotogrametría oblicua tradicional, el método propuesto logra una mayor calidad de reconstrucción. En comparación con el software comercial Metashape, reduce el número de imágenes en un 30.5% y el consumo de energía en un 37.7%, mientras mejora significativamente los resultados de reconstrucción tanto en áreas arquitectónicas como no arquitectónicas.