[发明专利]目标检测模型的训练及目标检测方法、装置、设备和介质

权利要求书

1.一种目标检测模型的训练方法，其特征在于，所述方法包括：

根据车辆的历史行驶场景数据，仿真得到车辆在历史场景下的样本基础仿真点云数据；

通过高精度点云模型，根据所述样本基础仿真点云数据，确定样本高精仿真点云数据；

按照预设混合比例，将所述样本高精仿真点云数据与样本真实点云数据进行混合，得到样本混合点云数据，并对所述样本混合点云数据标注标签；

基于标注标签后的所述样本混合点云数据，对所述目标检测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述根据车辆的历史行驶场景数据，仿真得到车辆在历史场景下的样本基础仿真点云数据，包括：

获取车辆历史行驶过程中车载雷达的配置参数、天气环境参数、历史场景要素，作为车辆的历史行驶场景数据；

采用光线追踪技术，根据所述车辆的历史行驶场景数据中的历史场景要素，仿真得到虚拟场景要素；

基于所述虚拟场景要素，以及所述历史行驶场景数据中的车载雷达的配置参数和天气环境参数，仿真得到车辆在历史场景下的样本基础仿真点云数据。

3.根据权利要求2所述的方法，其特征在于，所述基于所述虚拟场景要素，以及所述历史行驶场景数据中的车载雷达的配置参数和天气环境参数，仿真得到车辆在历史场景下的样本基础仿真点云数据，包括：

基于所述历史行驶场景数据中的车载雷达的配置参数和天气环境参数，对所述虚拟场景要素进行增加物理衰减和加噪处理，得到车辆在历史场景下的样本基础仿真点云数据。

4.根据权利要求1所述的方法，其特征在于，所述通过高精度点云模型，根据所述样本基础仿真点云数据，确定样本高精仿真点云数据，包括：

根据所述样本基础仿真点云数据，确定模型输入参数；其中，所述模型输入参数包括：点云采集视角图、点云颜色信息图、点云语义标签图、点云掩码图和点云位置角度图；

将所述模型输入参数输入至所述高精度点云模型中，得到样本高精仿真点云数据。

5.根据权利要求4所述的方法，其特征在于，所述高精度点云模型包括卷积池化网络和上采样网络；将所述模型输入参数输入至高精度点云模型中，得到样本高精仿真点云数据，包括：

将所述模型输入参数输入至卷积池化网络，得到各点云的点云特征；

将所述各点云的点云特征输入至所述上采样网络，得到样本高精仿真点云数据。

6.根据权利要求1所述的方法，其特征在于，所述预设混合比例的确定方式包括：

按照候选混合比例，对所述样本高精仿真点云数据与样本真实点云数据进行混合，得到候选混合点云数据，并对所述候选混合点云数据标注标签；

通过已训练模型，感知候选混合点云数据中的目标对象；其中，已训练模型是已训练好的能够精准检测点云数据中的目标对象的模型；

根据所述已训练模型感知的各候选混合点云数据中的目标对象，以及各候选混合点云数据对应的目标标签，确定各候选点云数据对应的感知精度；

根据各候选点云数据对应的感知精度，从所述候选混合比例中，确定预设混合比例。

7.一种目标检测方法，其特征在于，所述方法包括：

在车辆行驶过程中，采集所述车辆周围的实时点云数据和实时行驶场景数据；

根据车辆的实时行驶场景数据，仿真得到车辆在当前场景下的当前基础仿真点云数据；

通过高精度点云物理模型，根据所述当前基础仿真点云数据，确定当前高精仿真点云数据；

将所述实时点云数据和所述高精仿真点云数据输入至目标感知模型，得到目标检测结果；其中，所述目标感知模型基于所述权利要求1-6中任一项所述的目标检测模型的训练方法训练得到。