一种基于深度Q网络学习的车辆跟踪方法、存储介质及设备.pdfVIP

下载本文档

0
0
约3万字
约 20页
2023-09-20 发布于四川
举报
版权申诉

一种基于深度Q网络学习的车辆跟踪方法、存储介质及设备.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种基于深度Q网络学习的车辆跟踪方法、存储介质及设备，它属于车辆跟踪技术领域。本发明解决了在无法覆盖GPS信号且场景复杂的情况下，采用现有技术无法实现对车辆的高精度定位跟踪的问题。本发明针对IMM卡尔曼滤波器的状态转移概率矩阵未知的复杂情况，基于DQN学习得到IMM卡尔曼滤波器的状态转移概率矩阵，利用深度强化学习的感知和决策能力，能够有效地感知外部环境，获得最优判断，而且本发明方法的实现过程不需要依赖GPS信号，因此，在无法覆盖GPS信号且场景复杂的情况下，本发明方法仍然可以提升车辆跟踪性能，实

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116778433 A (43)申请公布日 2023.09.19 (21)申请号 202310769248.3 G06V 10/82 (2022.01)