[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

说明书

本申请涉及一种目标检测模型的训练及目标检测方法、装置、设备和介质，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；并通过高精度点云模型，将样本基础仿真点云数据处理成高精度的样本高精仿真点云数据；将样本高精仿真点云数据与样本真实点云数据按照预设比例进行混合，得到样本混合点云数据，并对样本混合点云数据标注标签；基于标注标签后的样本混合点云数据，对目标检测模型进行训练。本申请引入高精度点云模型，将样本基础仿真点云数据转化为样本高精仿真点云数据，以提高仿真得到的点云数据的准确性。以及将混合后的样本混合点云数据对目标检测模型进行训练，可以提高训练后的目标检测模型的检测精度。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种目标检测模型的训练及目标检测方法、装置、设备和介质。

背景技术

近年来，随着自动驾驶技术的发展，用于检测点云数据中的目标对象的目标检测模型获得了广泛关注。

由于真实车辆行驶场景的真实点云数据具有采集周期长、测试成本高、效率低下等特点，因此，目前对目标检测模型训练的过程中，通常基于仿真的方式获取仿真点云数据，来对目标检测模型进行训练。但是，由于仿真点云数据是虚拟数据，其与真实点云数据有偏差，所以通过仿真点云数据训练的目标检测模型准确性较低，影响后续目标检测的准确性。

因此，如何提高目标检测模型检测目标对象的精度是亟需解决的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够精准从点云数据中识别目标对象的目标检测模型训练及目标检测方法、装置、设备和介质。

第一方面，本申请提供了一种目标检测模型的训练方法。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，对目标检测模型进行训练。

在其中一个实施例中，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；

基于虚拟场景要素，以及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。

在其中一个实施例中，基于虚拟场景要素，以及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。

在其中一个实施例中，通过高精度点云模型，根据样本基础仿真点云数据，确定样本高精仿真点云数据，包括：

根据样本基础仿真点云数据，确定模型输入参数；其中，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。