[发明专利]加速度预测模型训练方法、加速度预测方法及相关装置

说明书

本发明实施例公开了一种加速度预测模型训练方法、加速度预测方法及相关装置，包括：获取多帧传感数据，按照预设标注频率对传感数据进行标注，以标注物体在已标注的传感数据的输出时刻时的位置；采用已标注的传感数据和位置训练速度预测模型；将未标注的传感数据输入速度预测模型中得到物体在未标注的传感数据的输出时刻时的速度；根据传感数据的输出时刻和物体的速度标注物体的加速度；采用传感数据和加速度训练加速度预测模型，无需基于卡尔曼滤波估计加速度，加速度预测模型建模能力强，泛化能力好，并且按照低于传感器采集频率的预设标注频率对部分传感数据标注位置，相对于直接对所有传感数据标注加速度成本低，并且降低了加速度的标注难度。

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种加速度预测模型训练方法、加速度预测方法及相关装置。

背景技术

在自动驾驶的实际应用场景中，自动驾驶车辆不仅需要精确检测出周围障碍物的位置与类别等信息，还需要对障碍物的运动状态进行精确的估计，尤其是对障碍物的加速度估计尤为重要。

在现有技术中，一种方式是基于卡尔曼滤波估计加速度，另一种方式是基于深度学习方法训练各种模型来预测加速度，上述两种方式存在以下问题：

1)基于卡尔曼滤波估计加速度，需要对不同场景调整不同参数，过程繁琐，并且基于卡尔曼滤波由于参数有限，建模能力不足，泛化能力差；

2)深度学习方法在训练时难以获得准确的加速度标注来作为训练标签，标注成本高。

发明内容

本发明实施例提供一种加速度预测模型训练方法、加速度预测方法及相关装置，以解决现有基于卡尔曼滤波估计加速度存在过程繁琐、参数有限导致泛化能力差，以及基于深度学习方法难以获得加速度标注导致标注成本高的问题。

第一方面，本发明实施例提供了一种加速度预测模型训练方法，包括：

获取多帧传感数据，所述传感数据为传感器移动过程中按照预设采集频率在预设时长内感知周围物体后所输出的数据；

按照预设标注频率对所述传感数据进行标注，以标注所感知到的物体在已标注的传感数据的输出时刻时的位置，所述标注频率小于所述采集频率；

采用已标注的传感数据和所述位置训练速度预测模型；

将未标注的传感数据输入所述速度预测模型中，得到所述物体在所述未标注的传感数据的输出时刻时的速度；

根据所述传感数据的输出时刻和所述物体的速度标注所述物体在所述传感数据的输出时刻时的加速度；

采用所述传感数据和所述加速度训练加速度预测模型。

第二方面，本发明实施例提供了一种加速度预测方法，包括：

在车辆行驶过程中，当车辆上的传感器在第一时刻对所述车辆周围的环境进行感知得到第一传感数据时，将所述第一传感数据输入预先训练的目标检测跟踪模型中，得到位于所述车辆周围的物体的第一运动数据；

获取所述车辆周围的物体的第二运动数据，所述第二运动数据为将所述传感器在第二时刻所输出的第二传感数据输入所述目标检测跟踪模型之后所得的数据，所述第二时刻为所述第一时刻之前的时刻；

根据所述第一运动数据和所述第二运动数据提取所述物体在所述第一时刻的运动特征；

将所述运动特征输入预先训练的加速度预测模型中得到所述物体在所述第一时刻的加速度；

其中，所述加速度预测模型通过第一方面所述的加速度预测模型训练方法所训练。

第三方面，本发明实施例提供了一种加速度预测模型训练装置，包括：