[发明专利]点云数据生成方法、模型训练方法、目标检测方法和装置

说明书

本公开提供了一种点云数据生成方法，涉及人工智能技术领域，尤其涉及计算机视觉、图像处理和深度学习等技术领域，可应用于自动驾驶和智慧城市场景下。具体实现方案为：根据与预设位置对应的原始点云数据，确定与预设位置对应的候选对象点云数据库，其中，候选对象点云数据库包括多个候选对象点云数据集，候选对象点云数据集包括多个候选对象点云数据；根据与多个预设距离区间对应的多个采样信息，确定多个候选对象点云数据集各自的目标对象点云数据子集；以及将多个目标对象点云数据子集与目标场景点云数据融合，得到目标点云样本数据。本公开还提供了一种深度学习模型的训练方法、目标检测方法、装置、电子设备和存储介质。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉、图像处理和深度学习等技术领域，可应用于自动驾驶和智慧城市场景下。更具体地，本公开提供了一种点云数据生成方法、深度学习模型的训练方法、目标检测方法、装置、电子设备和存储介质。

背景技术

随着人工智能技术的发展，目标检测技术的应用场景不断增加。在自动驾驶等相关场景中，激光雷达可以采集点云数据。基于目标检测技术，可以从点云数据中检测出对象的位置和类别。

发明内容

本公开提供了一种点云数据生成方法、深度学习模型的训练方法、目标检测方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种点云数据生成方法，该方法包括：根据与预设位置对应的原始点云数据，确定与预设位置对应的候选对象点云数据库，其中，候选对象点云数据库包括多个候选对象点云数据集，候选对象点云数据集对应一个预设距离区间，候选对象点云数据集包括多个候选对象点云数据；根据与多个预设距离区间对应的多个采样信息，确定多个候选对象点云数据集各自的目标对象点云数据子集，其中，目标对象点云数据子集包括至少一个候选对象点云数据；以及将多个目标对象点云数据子集与目标场景点云数据融合，得到目标点云样本数据，其中，目标场景点云数据与预设位置对应。

根据本公开的另一方面，提供了一种深度学习模型的训练方法，该方法包括：利用至少一个目标点云样本数据训练深度学习模型，得到经训练的深度学习模型，其中，目标点云样本数据是利用本公开提供的方法生成的。

根据本公开的另一方面，提供了一种目标检测方法，该方法包括：将目标点云数据输入深度学习模型，得到目标检测结果，其中，目标检测结果包括至少一个目标对象的检测框和类别，其中，深度学习模型是利用本公开提供的方法训练的。

根据本公开的另一方面，提供了一种点云数据生成装置，该装置包括：第一确定模块，用于根据与预设位置对应的原始点云数据，确定与预设位置对应的候选对象点云数据库，其中，候选对象点云数据库包括多个候选对象点云数据集，候选对象点云数据集对应一个预设距离区间，候选对象点云数据集包括多个候选对象点云数据；第二确定模块，用于根据与多个预设距离区间对应的多个采样信息，确定多个候选对象点云数据集各自的目标对象点云数据子集，其中，目标对象点云数据子集包括至少一个候选对象点云数据；以及融合模块，用于将多个目标对象点云数据子集与目标场景点云数据融合，得到目标点云样本数据，其中，目标场景点云数据与预设位置对应。

根据本公开的另一方面，提供了一种深度学习模型的训练装置，该装置包括：训练模块，用于利用至少一个目标点云样本数据训练深度学习模型，得到经训练的深度学习模型，其中，目标点云样本数据是利用本公开提供的装置生成的。

根据本公开的另一方面，提供了一种目标检测装置，该装置包括：获得模块，用于将目标点云数据输入深度学习模型，得到目标检测结果，其中，目标检测结果包括至少一个目标对象的检测框和类别，其中，深度学习模型是利用本公开提供的装置训练的。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。