[发明专利]一种基于深度强化学习的室内地图匹配方法

权利要求书

1.一种基于深度强化学习的室内地图匹配方法，其特征在于，包括：

S1、采集行人惯导模块数据并对数据进行预处理，得到与地图相关的像素坐标；

S2、根据步骤S1所得像素坐标，构建局部地图生成模块；

S3、定义当得到当前状态下的修正编码即可生成对应的修正坐标，包括：将轨迹修正的回归问题通过自定义编码的形式转换为分类问题，通过求解当前状态下的合适修正编码对轨迹进行修正；

S4、将待修正的像素坐标信息与局部地图联合表征为当前位置的状态；

S5、根据单个点的修正后坐标与标签坐标的一致性以及修正后轨迹与标准路径的相似度，设计奖励机制，奖励机制为：综合考量单个点的修正后坐标与标签坐标的一致性以及修正后轨迹与标准路径的相似度返回一个量化数值；

S6、构建目标值网络和当前值网络的双网络模型，并将目标值网络输出和当前值网络输出的MSE作为损失函数；

S7、输出经强化学习模型修正后的定位坐标。

2.根据权利要求1所述的基于深度强化学习的室内地图匹配方法，其特征在于：所述步骤S1中采集行人行进过程中的相对大地定位坐标，并将大地定位坐标进行坐标转换，生成与地图相关的像素坐标。

3.根据权利要求1所述的基于深度强化学习的室内地图匹配方法，其特征在于：根据步骤S1生成的像素坐标对地图进行切割，生成与像素坐标相关的局部地图。

4.根据权利要求1所述的基于深度强化学习的室内地图匹配方法，其特征在于，奖励根据了动作空间的设计，根据与真值数据的欧式距离进行分级，设模型输出的编号为正确的话，奖励为1；根据层级依次衰减为初始值的0.75。

5.根据权利要求4所述的基于深度强化学习的室内地图匹配方法，其特征在于，所述步骤S6中当前值网络通过基于贝尔曼方程的值迭代网络将状态、动作以及奖励值量化为对应的Q值；目标值网络与当前值网络具有相同的网络结构，不同的是网络参数需要隔一定的时间步进行拷贝。