[发明专利]目标检测模型训练方法、装置、设备和介质

权利要求书

1.一种目标检测模型训练方法，其特征在于，包括：

根据预设时长内的具有时间序列的所有初始点云数据、以及每帧所述初始点云数据对应的标签数据，确定第一训练集，其中，所述标签数据是根据目标对象的标注信息确定的；

对第一训练集中包括的多帧目标稀疏点云数据中分别对应的至少一个所述目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据，其中，所述目标稀疏点云数据是根据目标对象对应的点云数据量在第一训练集中包括的所有初始点云数据中确定的；

根据多帧所述稠密点云数据、多帧所述初始点云数据、以及所有标签数据，确定第二训练集，其中，多帧所述初始点云数据为所述第一训练集中除多帧目标稀疏点云数据的其他所述初始点云数据；

利用所述第二训练集，对教师模型进行训练，得到训练好的目标教师模型；

利用所述目标教师模型、第一训练集以及所述第二训练集，通过知识蒸馏方法，对学生模型进行训练，直至学生模型收敛，得到目标学生模型。

2.根据权利要求1所述的方法，其特征在于，所述对第一训练集中包括的多帧目标稀疏点云数据中分别对应的至少一个目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据之前，还包括：

确定所述每帧所述初始点云数据中的各所述目标对象对应的点云数据量；

根据所述点云数据量以及预设阈值，在所述第一训练集中确定多帧所述目标稀疏点云数据。

3.根据权利要求1所述的方法，其特征在于，所述对第一训练集中包括的多帧目标稀疏点云数据中分别对应的至少一个所述目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据，包括：

根据多帧所述目标稀疏点云数据中分别对应的各所述目标对象的点云数据，确定各所述目标对象对应的参考稠密点云数据；

根据所述参考稠密点云数据，对每帧所述目标稀疏点云数据中的各所述目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据。

4.根据权利要求3所述的方法，其特征在于，所述根据多帧所述目标稀疏点云数据中分别对应的各所述目标对象的点云数据，确定各所述目标对象对应的参考稠密点云数据，包括：

将每帧所述目标稀疏点云数据中的各所述目标对象的点云数据映射至同一雷达坐标系中，并根据预设姿态，调整各所述目标对象的点云数据；

将调整后的多帧所述目标稀疏点云数据中的各所述目标对象的点云数据进行组合，得到各所述目标对象对应的参考稠密点云数据。

5.根据权利要求3所述的方法，其特征在于，所述根据所述参考稠密点云数据，对每帧所述目标稀疏点云数据中的各所述目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据，包括：

确定每帧所述目标稀疏点云数据中的各所述目标对象的位姿信息；

基于所述位姿信息，将各所述目标对象对应的参考稠密点云数据与各所述目标对象的点云数据进行组合，得到每帧所述目标稀疏点云数据对应的稠密点云数据。

6.根据权利要求1所述的方法，其特征在于，所述利用所述目标教师模型、第一训练集以及所述第二训练集，通过知识蒸馏方法，对学生模型进行训练，直至学生模型收敛，得到目标学生模型，包括：

将所述稠密点云数据输入至所述目标教师模型，得到第一特征图、第一回归结果以及第一分类结果；

将所述初始点云数据输入至所述学生模型，得到第二特征图、第二回归结果以及第二分类结果，其中，所述初始点云数据是根据所述第一训练集得到的；

根据所述第一特征图、第一回归结果、第一分类结果、第二特征图、第二回归结果以及第二分类结果，对学生模型进行训练，直至学生模型收敛，得到目标学生模型。