[发明专利]目标检测模型训练方法、目标检测方法以及电子设备

权利要求书

1.一种目标检测模型训练方法，其特征在于，所述方法包括：

获取带有标注信息的三维点云数据；所述标注信息包括至少一个检测对象对应的三维真实边界框信息；

将所述三维点云数据输入至初始检测模型，确定各所述检测对象对应的三维预测边界框信息；

基于各所述检测对象对应的三维预测边界框信息以及所述三维真实边界框信息，计算回归损失；

基于所述回归损失，更新所述初始检测模型的参数，以得到目标检测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于各所述检测对象对应的三维预测边界框信息以及所述三维真实边界框信息，计算回归损失，包括：

根据各所述检测对象对应的三维预测边界框信息，确定各所述检测对象对应的预测框；

基于各所述检测对象对应的三维真实边界框信息，确定真实框；

计算各所述预测框与各所述真实框之间的三维交并比；

根据各所述预测框与各所述真实框之间的三维交并比，计算所述回归损失。

3.根据权利要求2所述的方法，其特征在于，所述根据各所述预测框与各所述真实框之间的三维交并比，计算所述回归损失，包括：

获取各所述检测对象的权重信息；

根据各所述检测对象的权重信息以及各所述预测框与各所述真实框之间的三维交并比，计算所述回归损失。

4.根据权利要求1所述的方法，其特征在于，所述标注信息还包括至少一个检测对象对应的真实类别，所述方法还包括：

将所述三维点云数据输入至所述初始检测模型，确定各所述检测对象对应的预测类别；

根据各所述检测对象对应的预测类别以及所述真实类别，计算分类损失；

基于所述分类损失以及所述回归损失，确定总目标损失；

基于所述总目标损失，更新所述初始检测模型的参数，以得到目标检测模型。

5.根据权利要求4所述的方法，其特征在于，所述根据各所述检测对象对应的预测类别以及所述真实类别，计算分类损失，包括：

获取各所述检测对象的权重信息；

根据各所述检测对象的权重信息、所述预测类别以及所述真实类别，计算所述分类损失。

6.根据权利要求1所述的方法，其特征在于，所述将所述三维点云数据输入至初始检测模型，确定各所述检测对象对应的三维预测边界框信息，包括：

对所述三维点云数据进行体素化处理，生成多个包括三维点云数据的体素网格；

基于所述体素网格的中心位置，生成多个尺寸可变的初始锚框；

基于各所述检测对象对应的三维真实边界框信息，确定真实框；

计算各所述初始锚框与各所述真实框之间的三维交并比，并生成三维交并比矩阵；

根据所述三维交并比矩阵，从各所述初始锚框中确定各候选锚框，并确定各所述候选锚框对应的所述真实框；

将所述候选锚框以及所述三维点云数据输入至所述初始检测模型，确定各所述检测对象对应的三维预测边界框信息。

7.根据权利要求6所述的方法，其特征在于，所述将所述候选锚框以及所述三维点云数据输入至所述初始检测模型，确定各所述检测对象对应的三维预测边界框信息，包括：

将所述候选锚框以及所述三维点云数据输入至所述初始检测模型，确定各所述候选锚框与各所述真实框之间的位置、尺寸差别；

根据各所述候选锚框与各所述真实框之间的位置、尺寸差别，确定各所述检测对象对应的三维预测边界框信息。

8.一种目标检测方法，其特征在于，所述方法包括：

获取待检测三维点云数据；

将所述待检测三维点云数据输入至目标检测模型，确定所述待检测三维点云数据中至少一个目标对象对应的类别以及三维边界框信息，其中，所述目标检测模型根据权利要求1-7任一项所述的目标检测模型训练方法训练得到。