一种仿真模型的训练方法、点云数据的生成方法及装置制造方法及图纸

本申请公开了一种基于人工智能技术实现的仿真模型训练方法，可用于自动驾驶领域，本申请包括：获取待训练对象的真实点云数据以及关联训练数据；基于待训练对象的关联训练数据，通过待训练激光雷达仿真模型获取待训练对象的仿真点云数据；基于待训练对象的真实点云数据以及待训练对象的仿真点云数据，通过判别器确定判别结果；根据判别结果对待训练激光雷达仿真模型进行训练，直至满足模型训练条件，得到激光雷达仿真模型。本申请实施例还提供了一种点云数据的生成方法及装置。本申请可从更多层面上学习到复杂的真实环境对于生成点云数据的影响，从而有利于提升激光雷达仿真模型的精度，减小仿真点云数据与真实点云数据之间的偏差。的偏差。的偏差。

【技术实现步骤摘要】
一种仿真模型的训练方法、点云数据的生成方法及装置


[0001]本申请涉及机器学习
，尤其涉及一种仿真模型的训练方法、点云数据的生成方法及装置。

技术介绍

[0002]准确的环境感知和精确的定位是自动驾驶车辆在复杂环境中能够进行可靠导航，信息决策以及安全驾驶的关键。这两项任务需要获取和处理真实环境中准确且丰富的数据，为了获取此类数据，可通过激光雷达仿真模型生成用于模拟交通场景的点云数据。
[0003]在自动驾驶仿真系统中为了实现确保并提升点云数据的质量，目前，可采用数据筛选的方案。具体地，可基于点云中物体分布的统计性质以及物体检测正确率剔除异常值，由此得到用于训练的点云数据，再利用这些点云数据建立激光雷达仿真模型。
[0004]仿真数据的精确度主要取决于激光雷达仿真模型模拟得到的点云数据的精确度，然而，基于数据筛选方案得到的点云数据仍然具有较大的局限性，难以适应复杂的真实环境，导致激光雷达仿真模型的精度较低，因此，通过激光雷达仿真模型输出的点云数据与真实环境下的点云数据可能存在较大偏差。

技术实现思路

[0005]本申请实施例提供了一种仿真模型的训练方法、点云数据的生成方法及装置，激光雷达仿真模型可从更多层面上学习到复杂的真实环境对于生成点云数据的影响，从而有利于提升激光雷达仿真模型的精度，减小仿真点云数据与真实点云数据之间的偏差。
[0006]有鉴于此，本申请一方面提供一种仿真模型的训练方法，包括：
[0007]获取待训练对象的真实点云数据以及关联训练数据，其中，关联训练数据与真实点云数据具有对应关系，关联训练数据包括场景数据、环境数据以及属性数据中的至少一种；
[0008]基于待训练对象的关联训练数据，通过待训练激光雷达仿真模型获取待训练对象的仿真点云数据；
[0009]基于待训练对象的真实点云数据以及待训练对象的仿真点云数据，通过判别器确定判别结果；
[0010]根据判别结果对待训练激光雷达仿真模型进行训练，直至满足模型训练条件，得到激光雷达仿真模型。
[0011]本申请另一方面提供一种点云数据的生成方法，包括：
[0012]获取目标对象所对应的关联测试数据，其中，关联测试数据包括场景数据、环境数据以及属性数据中的至少一种；
[0013]基于目标对象所对应的关联测试数据，通过激光雷达仿真模型生成目标对象所对应的仿真点云数据，其中，激光雷达仿真模型为采用上述方面训练方法得到的。
[0014]本申请另一方面提供一种仿真模型训练装置，包括：
[0015]获取模块，用于获取待训练对象的真实点云数据以及关联训练数据，其中，关联训练数据与真实点云数据具有对应关系，关联训练数据包括场景数据、环境数据以及属性数据中的至少一种；
[0016]获取模块，还用于基于待训练对象的关联训练数据，通过待训练激光雷达仿真模型获取待训练对象的仿真点云数据；
[0017]确定模块，用于基于待训练对象的真实点云数据以及待训练对象的仿真点云数据，通过判别器确定判别结果；
[0018]训练模块，用于根据判别结果对待训练激光雷达仿真模型进行训练，直至满足模型训练条件，得到激光雷达仿真模型。
[0019]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，待训练对象的关联训练数据包括场景数据；
[0020]获取模块，具体用于通过人机界面接收针对于待训练对象的运动数据；
[0021]基于运动数据，控制待训练对象在测试场景内进行运动；
[0022]基于待训练对象在测试场景内的运动情况，通过激光雷达设备获取真实点云数据；
[0023]基于待训练对象在测试场景内的运动情况，通过数据采集设备获取场景数据。
[0024]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，场景数据包括距离、速度以及夹角中的至少一种；
[0025]获取模块，具体用于若场景数据包括距离，则基于待训练对象在测试场景内的运动情况，通过测距装置获取待训练对象与激光雷达设备之间的距离；
[0026]若场景数据包括速度，则基于待训练对象在测试场景内的运动情况，通过测速装置获取待训练对象相对于激光雷达设备的速度；
[0027]若场景数据包括夹角，则基于待训练对象在测试场景内的运动情况，通过测角装置获取待训练对象相对于激光雷达设备的夹角。
[0028]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，待训练对象的关联训练数据包括环境数据；
[0029]获取模块，具体用于通过激光雷达设备获取真实点云数据；
[0030]通过人机界面接收环境数据。
[0031]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，环境数据包括气象信息、温度、湿度、风向、风力以及紫外线指数中的至少一项；
[0032]获取模块，具体用于若环境数据包括气象信息，则通过人机界面接收气象选择指令，其中，气象选择指令携带气象信息的标识；
[0033]若环境数据包括温度，则通过人机界面接收针对于温度的第一参数；
[0034]若环境数据包括湿度，则通过人机界面接收针对于湿度的第二参数；
[0035]若环境数据包括风向，则通过人机界面接收风向选择指令，其中，风向选择指令携带风向的标识；
[0036]若环境数据包括风力，则通过人机界面接收针对于风力的第三参数；
[0037]若环境数据包括紫外线指数，则通过人机界面接收强度选择指令，其中，强度指令携带紫外线指数的标识。
[0038]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，环境数据包括路面类型；
[0039]获取模块，具体用于通过人机界面接收类型选择指令，其中，类型选择指令携带路面类型的标识。
[0040]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，待训练对象的关联训练数据包括属性数据，属性数据包括对象类型、对象尺寸以及反应级别中的至少一种；
[0041]获取模块，具体用于通过激光雷达设备获取真实点云数据；
[0042]通过数据输入界面获取针对于待训练对象的属性数据。
[0043]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0044]获取模块，具体用于获取待训练对象所对应的待匹配真实点云数据，其中，待匹配真实点云数据包括M个第一待匹配数据，每个第一待匹配数据对应于一个时间戳，M为大于或等于1的整数；
[0045]获取待匹配关联训练数据，其中，待匹配关联训练数据包括M个第二待匹配数据，每个第二待匹配数据对应于一个时间戳；
[0046]根据每个第一待匹配数据所对应的时间戳以及每个第二待匹配数据所对应的时间戳，对待匹配真实点云数据以及待匹配关联训练数据进行匹配，得到经过匹配的真实点云数据以及关联训练数据。
[0047]在一种可能的设计中，在本申请实施例的另本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种仿真模型的训练方法，其特征在于，包括：获取待训练对象的真实点云数据以及关联训练数据，其中，所述关联训练数据与所述真实点云数据具有对应关系，所述关联训练数据包括场景数据、环境数据以及属性数据中的至少一种；基于所述待训练对象的关联训练数据，通过待训练激光雷达仿真模型获取所述待训练对象的仿真点云数据；基于所述待训练对象的真实点云数据以及所述待训练对象的仿真点云数据，通过判别器确定判别结果；根据所述判别结果对所述待训练激光雷达仿真模型进行训练，直至满足模型训练条件，得到激光雷达仿真模型。2.根据权利要求1所述的训练方法，其特征在于，所述待训练对象的关联训练数据包括所述场景数据；所述获取待训练对象的真实点云数据以及关联训练数据，包括：通过人机界面接收针对于所述待训练对象的运动数据；基于所述运动数据，控制所述待训练对象在测试场景内进行运动；基于所述待训练对象在所述测试场景内的运动情况，通过激光雷达设备获取所述真实点云数据；基于所述待训练对象在所述测试场景内的运动情况，通过数据采集设备获取所述场景数据。3.根据权利要求2所述的训练方法，其特征在于，所述场景数据包括距离、速度以及夹角中的至少一种；所述基于所述待训练对象在所述测试场景内的运动情况，通过数据采集设备获取所述场景数据，包括：若所述场景数据包括距离，则基于所述待训练对象在所述测试场景内的运动情况，通过测距装置获取所述待训练对象与所述激光雷达设备之间的距离；若所述场景数据包括速度，则基于所述待训练对象在所述测试场景内的运动情况，通过测速装置获取所述待训练对象相对于所述激光雷达设备的速度；若所述场景数据包括夹角，则基于所述待训练对象在所述测试场景内的运动情况，通过测角装置获取所述待训练对象相对于所述激光雷达设备的夹角。4.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述待训练对象的关联训练数据包括所述环境数据；所述获取待训练对象的真实点云数据以及关联训练数据，包括：通过激光雷达设备获取所述真实点云数据；通过人机界面接收所述环境数据。5.根据权利要求4所述的训练方法，其特征在于，所述环境数据包括气象信息、温度、湿度、风向、风力以及紫外线指数中的至少一项；所述通过人机界面接收所述环境数据，包括：若所述环境数据包括气象信息，则通过所述人机界面接收气象选择指令，其中，所述气象选择指令携带所述气象信息的标识；
若所述环境数据包括温度，则通过所述人机界面接收针对于所述温度的第一参数；若所述环境数据包括湿度，则通过所述人机界面接收针对于所述湿度的第二参数；若所述环境数据包括风向，则通过所述人机界面接收风向选择指令，其中，所述风向选择指令携带所述风向的标识；若所述环境数据包括风力，则通过所述人机界面接收针对于所述风力的第三参数；若所述环境数据包括紫外线指数，则通过所述人机界面接收强度选择指令，其中，所述强度指令携带所述紫外线指数的标识。6.根据权利要求4所述的训练方法，其特征在于，所述环境数据包括路面类型；所述通过人机界面接收所述环境数据，包括：通过所述人机界面接收类型选择指令，其中，所述类型选择指令携带所述路面类型的标识。7.根据权利要求1所述的训练方法，其特征在于，所述待训练对象的关联训练数据包括所述属性数据，所述属性数据包括对象类型、对象尺寸以及反应级别中的至少一种；所述获取待训练对象的真实点云数据以及关联训练数据，包括：通过激光雷达设备获取所述真实点云数据；通过数据输入界面获取针对于所述待训练对象的所述属性数据。8.根据权利要求1所述的训练方法，其特征在于，所述获取待训练对象的真实点云数据以及关联训练数据，包括：获取所述待训练对象所对应的待匹配真实点云数据，其中，所述待匹配真实点云数据包括M个第一待匹配数据，每个第一待匹配数据对应于一个时间戳，所述M为大于或等于1的整数；获取待匹配关联训练数据，其中，所述待匹配关联训练数据包括M个第二待匹配数据，...

【专利技术属性】
技术研发人员：胡太群，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：