Детальная информация

В данной работе решена актуальная задача разработки системы семантического анализа топографических карт для автоматизированного построения оптимальных маршрутов вне дорожной сети. Объектом исследования являются цифровые и оцифрованные топографические карты как комплексный источник геопространственных данных. Целью работы выступает разработка программной системы семантического анализа топографических карт на основе методов глубокого обучения для автоматизированного построения оптимальных маршрутов вне дорожной сети с учетом типов местности и характеристик рельефа. Методология включает семантическую сегментацию на базе U-Net с энкодером ResNet34 (Python, PyTorch), морфометрический анализ ЦМР SRTM1 с расчётом уклона и пересечённости (GDAL, Rasterio) и маршрутизацию алгоритмом A* на мультипликативной стоимостной поверхности. Веб-интерфейс реализован на FastAPI и Leaflet. В результате сформирован собственный размеченный датасет и обучена нейронная сеть с метрикой Mean IoU свыше 80%. Разработан программный комплекс, обеспечивающий полный цикл обработки: от загрузки GeoTIFF до визуализации маршрута с учётом семантики и рельефа. Область применения — логистика, территориальное планирование, экологический мониторинг и навигация. Сделан вывод о практической применимости системы, преодолевающей ограничения классических ГИС-методов.

This paper addresses the pressing need to develop a system for the semantic analysis of topographic maps for the automated generation of optimal off-road routes. The research focuses on digital and digitized topographic maps as a comprehensive source of geospatial data. The objective of this work is to develop a software system for the semantic analysis of topographic maps based on deep learning methods for the automated construction of optimal routes off-road, taking into account terrain types and relief characteristics. The methodology includes semantic segmentation based on U-Net with a ResNet34 encoder (Python, PyTorch), morphometric analysis of the SRTM1 digital elevation model with calculation of slope and roughness (GDAL, Rasterio), and routing using the A* algorithm on a multiplicative cost surface. The web interface is implemented using FastAPI and Leaflet. As a result, a custom labeled dataset was created, and a neural network was trained with a Mean IoU metric exceeding 80%. A software suite was developed that provides a full processing cycle: from loading GeoTIFF to visualizing the route while accounting for semantics and terrain. Applications include logistics, spatial planning, environmental monitoring, and navigation. It was concluded that the system is practically applicable and overcomes the limitations of classical GIS methods.

• Разработка системы семантического анализа топографических карт на основе методов глубокого обучения для построения оптимальных маршрутов вне дорожной сети
  • Введение
  • 1. Теоретическая часть
  • 2. Проектирование системы
  • 3. Разработка системы
  • 4. Тестирование системы
  • Заключение
  • Список использованных источников
  • Приложение 1 Листинг программного кода
  • Приложение 2 Дипломы с конференций