基于HEDLink-RoadNet神经网络和自适应A*算法的遥感影像路径规划方法研究OA

针对复杂场景下的无路网路径规划难题,该文提出一种基于HEDLink-RoadNet神经网络与自适应A*算法的高分辨率遥感影像路径规划方法,旨在摆脱传统方法对矢量路网数据的依赖,实现端到端的直接路径规划。首先,通过融合带有预训练编码器和膨胀卷积的网络模型(dilated convolution link net,D-LinkNet)与整体嵌套边缘检测(holistically-nested edge detection,HED)网络的优势,设计HEDLink-RoadNet模型,引入多尺度侧边输出层与包含类间平衡系数的损失函数,有效缓解道路像元与非道路像元数量不平衡的问题,提升了道路提取精度;其次,提出自适应A*算法,通过动态调整启发式函数中的通行难度权重与距离量纲,解决栅格数据路径规划中量纲不匹配问题;最后,结合升尺度策略优化搜索效率,降低计算资源消耗。实验表明,该方法在复杂场景中路径规划正确率达90.46%,且算法效率显著提升。与传统方法相比,该方法无须道路矢量化与路网更新步骤,简化流程并提高了效率和精度,为灾害应急响应、地质调查路线分析和智能交通路径规划等领域提供了高效可靠的技术支撑。