本申请公开了一种雷达检测模型确定方法、系统、电子设备及可读存储介质，涉及雷达算法开发领域，该雷达检测模型确定方法使用数字孪生技术实现真实环境中的点云组件的点云建模及基础数据库的构建，并基于评估指标进行缺失场景和缺失点云组件的快速补充以及模型的迭代训练，解决雷达检测模型构建过程中存在的真实路采数据集创建、维护成本高的问题，去除了人工数据标注环节，提升数据闭环的算法迭代效率，通过点云组件灵活构建与当前环境对应的仿真场景，一方面可以解决雷达检测模型构建过程中存在的数据集场景局限性强的问题，另一方面可以规避数据隐私，解决数据开放性差的问题，有利于开放学术研究，推动相关技术瓶颈的突破。破。破。
【技术实现步骤摘要】
雷达检测模型确定方法、系统、电子设备及可读存储介质
[0001]本申请涉及雷达算法开发领域，特别涉及雷达检测模型确定方法、系统、电子设备及可读存储介质。
技术介绍
[0002]现阶段自动驾驶产业正处于从L2向L3、L4大步迈进的窗口期，传统摄像头在测距、测速、暗光适应能力方面存在本征缺陷，通过引入雷达装置，构建多传感器融合冗余的感知体系，为自动驾驶在高度复杂场景下的安全性、可靠性提供有效保障。
[0003]如图1所示，图1为传统自动驾驶数据闭环算法开发示意图，采集车辆在真实道路环境中采集特定应用场景的数据，回流并存储至硬盘或云端网盘中，通过数据分析技术，实现有效数据的准确筛选，并根据实际检测需要对于筛选所得数据进行人工标注，用以构建模型训练数据集，实现云端算法开发，并将研发所得算法应用于具体场景进行测试，采集车辆收集失效数据，经过新一轮数据回流、分析、标注，更新模型训练数据集进行算法的迭代开发。
[0004]上述方案存在以下缺点，一是用于雷达算法开发的训练数据集构建、维护成本高，且更新速度受限于人工数据分析与标注；二是基于道路采集的传感器数据，场景局限性强，对于未能采集或采集数量较少的道路场景适应性差，为自动驾驶整车系统的安全性带来极大隐患；三是受隐私安全、商业竞争等因素的影响，各家厂商路测数据保密等级高，为突破现有技术瓶颈的各项学术研究工作造成障碍，不利于自动驾驶大规模商业落地。
[0005]因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
技术实现思路
<br/>[0006]本申请的目的是提供一种雷达检测模型确定方法、系统、电子设备及可读存储介质，使用数字孪生技术实现真实环境中的点云组件的点云建模及基础数据库的构建，并基于评估指标进行缺失场景和缺失点云组件的快速补充以及模型的迭代训练，解决了雷达检测模型构建过程中存在的真实路采数据集创建、维护成本高、数据集场景局限性强、数据开放性差的问题，提升数据闭环的算法迭代效率。
[0007]为解决上述技术问题，本申请提供了一种雷达检测模型确定方法，包括：通过采集车辆中配置的雷达装置采集当前环境中的点云数据，基于所述点云数据确定当前环境中的当前点云组件的类型；基于所述类型从基础数据库中确定目标点云组件，所述基础数据库包括利用数字孪生技术生成的各个基础类型下的点云组件，所述目标点云组件为任一所述点云组件；根据所述目标点云组件构建虚拟场景集，基于所述虚拟场景集训练雷达检测模型，并将所述雷达检测模型部署在目标车辆上。
[0008]可选的，该雷达检测模型确定方法还包括：
确定所述雷达装置的工作参数；相应的，根据所述目标点云组件构建虚拟场景集的过程包括：基于所述目标点云组件构建第一场景集；根据所述工作参数对所述第一场景集进行调整得到第二场景集，将所述第二场景集作为虚拟场景集。
[0009]可选的，所述基础数据库还包括：利用数字孪生技术生成的各个噪声类型下的噪声转换矩阵。
[0010]可选的，基于所述点云数据确定当前环境中的当前点云组件的类型之后，该雷达检测模型确定方法还包括：确定当前环境的天气信息；基于所述天气信息确定当前噪声类型；根据当前噪声类型从所述基础数据库中的所有所述噪声转换矩阵中确定目标噪声转换矩阵；相应的，根据所述目标点云组件构建虚拟场景集的过程包括：根据所述目标点云组件和所述目标噪声转换矩阵构建虚拟场景集。
[0011]可选的，该雷达检测模型确定方法还包括：确定所述雷达装置的工作参数；相应的，根据所述目标点云组件和所述目标噪声转换矩阵构建虚拟场景集的过程包括：基于所述目标点云组件构建第一场景集；根据所述工作参数对所述第一场景集进行调整得到第二场景集；对所述第二场景集中的各个场景随机加入所述目标噪声转换矩阵或单位矩阵得到第三场景集，将所述第三场景集作为所述虚拟场景集。
[0012]可选的，所述工作参数包括所述雷达装置的检测角度、横向分辨率和纵向分辨率；相应的，根据所述工作参数对所述第一场景集进行调整得到第二场景集的过程包括：根据所述检测角度确定点云数据的坐标范围；利用所述横向分辨率和所述纵向分辨率确定各个位置的点云数据的疏密度；基于所述坐标范围和所述疏密度对所述第一场景集中的点云数据进行调整得到第二场景集。
[0013]可选的，所述基础数据库包括基础道路点云组件数据库，基础检测对象点云组件数据库和基础外围环境点云组件数据库。
[0014]可选的，基于所述点云数据确定当前环境中的当前点云组件的类型之后，该雷达检测模型确定方法还包括：判断当前环境中的当前点云组件的类型是否为所述基础数据库中的任一所述基础类型；若否，利用数字孪生技术生成所述类型下的所有点云组件，并将生成的所有点云组件添加至所述基础数据库中。
[0015]可选的，基于所述虚拟场景集训练雷达检测模型，并将所述雷达检测模型部署在
目标车辆上的过程包括：将所述虚拟场景集划分为虚拟场景训练集和虚拟场景测试集；通过所述虚拟场景训练集训练雷达检测模型，通过所述虚拟场景测试集确定所述雷达检测模型的第一检测精度；若所述第一检测精度大于或等于第一预设值，将所述雷达检测模型部署在目标车辆上。
[0016]可选的，通过所述虚拟场景测试集确定所述雷达检测模型的第一检测精度之后，该雷达检测模型确定方法还包括：若所述第一检测精度小于所述第一预设值，确定待调整场景及所述待调整场景对应的待调整目标点云组件；调整所述待调整目标点云组件的布设参数，然后重复根据所述目标点云组件构建虚拟场景集的步骤。
[0017]可选的，该雷达检测模型确定方法还包括：基于所述雷达装置采集的当前环境的点云数据构建真实场景测试集；通过所述真实场景测试集确定所述雷达检测模型的第二检测精度；相应的，将所述雷达检测模型部署在目标车辆上的过程包括：当所述第二检测精度大于或等于第二预设值，将所述雷达检测模型部署在目标车辆上。
[0018]可选的，通过所述真实场景测试集确定所述雷达检测模型的第二检测精度之后，该雷达检测模型确定方法还包括：当所述第二检测精度小于所述第二预设值，判断是否存在场景缺失和/或组件缺失；若存在场景缺失，确定待调整场景及所述待调整场景对应的待调整目标点云组件，调整所述待调整目标点云组件的布设参数，然后重复根据所述目标点云组件构建虚拟场景集的步骤；若存在组件缺失，确定所述真实场景测试集中的新的点云组件的类型，利用数字孪生技术生成所述类型下的所有点云组件，并将生成的所有点云组件添加至所述基础数据库中。
[0019]为解决上述技术问题，本申请还提供了一种雷达检测模型确定系统，包括：第一确定模块，用于通过采集车辆中配置的雷达装置采集当前环境中的点云数据，基于所述点云数据确定当前环境中的当前点云组件的类型；第二确定模块，用于基于所述类型从基础数据库中确定目标点云组件，所述基础数据库包括利用数字孪生技术生成的各个基础类型下的点云组件，所述目标点云组件为任一所述点云组件；第一构建模块，用于根据所述目标点云组件构建虚拟场景集，基于所述虚本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种雷达检测模型确定方法，其特征在于，包括：通过采集车辆中配置的雷达装置采集当前环境中的点云数据，基于所述点云数据确定当前环境中的当前点云组件的类型；基于所述类型从基础数据库中确定目标点云组件，所述基础数据库包括利用数字孪生技术生成的各个基础类型下的点云组件，所述目标点云组件为任一所述点云组件；根据所述目标点云组件构建虚拟场景集，基于所述虚拟场景集训练雷达检测模型，并将所述雷达检测模型部署在目标车辆上。2.根据权利要求1所述的雷达检测模型确定方法，其特征在于，该雷达检测模型确定方法还包括：确定所述雷达装置的工作参数；相应的，根据所述目标点云组件构建虚拟场景集的过程包括：基于所述目标点云组件构建第一场景集；根据所述工作参数对所述第一场景集进行调整得到第二场景集，将所述第二场景集作为虚拟场景集。3.根据权利要求1所述的雷达检测模型确定方法，其特征在于，所述基础数据库还包括：利用数字孪生技术生成的各个噪声类型下的噪声转换矩阵。4.根据权利要求3所述的雷达检测模型确定方法，其特征在于，基于所述点云数据确定当前环境中的当前点云组件的类型之后，该雷达检测模型确定方法还包括：确定当前环境的天气信息；基于所述天气信息确定当前噪声类型；根据当前噪声类型从所述基础数据库中的所有所述噪声转换矩阵中确定目标噪声转换矩阵；相应的，根据所述目标点云组件构建虚拟场景集的过程包括：根据所述目标点云组件和所述目标噪声转换矩阵构建虚拟场景集。5.根据权利要求4所述的雷达检测模型确定方法，其特征在于，该雷达检测模型确定方法还包括：确定所述雷达装置的工作参数；相应的，根据所述目标点云组件和所述目标噪声转换矩阵构建虚拟场景集的过程包括：基于所述目标点云组件构建第一场景集；根据所述工作参数对所述第一场景集进行调整得到第二场景集；对所述第二场景集中的各个场景随机加入所述目标噪声转换矩阵或单位矩阵得到第三场景集，将所述第三场景集作为所述虚拟场景集。6.根据权利要求2或5所述的雷达检测模型确定方法，其特征在于，所述工作参数包括所述雷达装置的检测角度、横向分辨率和纵向分辨率；相应的，根据所述工作参数对所述第一场景集进行调整得到第二场景集的过程包括：根据所述检测角度确定点云数据的坐标范围；利用所述横向分辨率和所述纵向分辨率确定各个位置的点云数据的疏密度；
基于所述坐标范围和所述疏密度对所述第一场景集中的点云数据进行调整得到第二场景集。7.根据权利要求1所述的雷达检测模型确定方法，其特征在于，所述基础数据库包括基础道路点云组件数据库，基础检测对象点云组件数据库和基础外围环境点云组件数据库。8.根据权利要求1所述的雷达检测模型确定方法，其特征在于，基于所述点云数据确定当前环境中的当前点云组件的类型之后，该雷达检测模型确定方法还包括：判断当前环境中的当前点云组件的类型是否为所述基础数据库中的任一所述基础类型；若否，利用数字孪生技术生成所述类型下的所有点云组件，并将生成的所有点云组件添加至...
【专利技术属性】
技术研发人员：詹景麟，刘铁军，陈三霞，张晶威，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。