计算机工程

作者：李忠伟, 王鹏皓, 罗偲

单位：中国石油大学(华东)海洋与空间信息学院, 山东 青岛 266580

关键词：A*算法,路径规划,遥感,土壤含水量反演,高光谱图像,数字高程模型

基金：国家自然科学基金面上项目(62071491); 国家重点研发计划(2018YFC1406204)

针对无人车在潮滩这类泥泞崎岖地形中无法高效抵达目标点的问题, 提出一种基于A*算法的改进算法TA*(Tidal-A*), 从而为无人车规划最优路径。结合潮滩环境特点, 使用路径土壤含水量(SMC)、路径高度起伏、路径长度共同衡量生成路径的质量。针对环境信息难以直接获取的问题, 使用无人机搭载高光谱传感器、激光雷达扫描目标区域, 提出结合光谱预处理与Pearson相关系数的组合降维方法, 以训练SMC反演模型。针对传统A*算法只能依据路径长度搜索路径的问题, 在为3条约束分别设计代价函数的基础上, 提出综合多约束的代价函数。针对传统A*算法无法依据需求改变路径的问题, 设计系数组合控制代价函数中各约束的占比, 同时解决不同约束间数量级不统一的问题。针对传统A*算法可能会忽略更优解的问题, 改进启发函数的计算范围, 使算法能以路径的冗余换取其他约束的优化。仿真结果表明, 使用该算法训练模型, 决定系数R2为0.784, 相对分析误差(RPD)为2.151, 相比直接反演方法分别提升了38%、33.8%。相比传统算法, TA*算法生成路径的长度、SMC值、高度起伏最高分别减少3.4%、5.1%、18.7%。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期