距离检测模型的训练方法、距离检测方法、设备和介质技术

本申请涉及一种距离检测模型的训练方法、距离检测方法、设备和介质。所述训练方法包括：获取距离检测区间并进行分段，得到至少两个子区间；获取样本数据以及各个子区间的中心点，其中，样本数据包括当前车辆与障碍物之间的真实距离和至少一个预测距离；根据真实距离与各个中心点，得到对应的真实偏移量；根据各个预测距离与各个中心点，得到对应的预测偏移量；根据检测损失对距离检测模型进行迭代训练，以获得训练后的距离检测模型，其中，检测损失包括偏移量损失。距离检测模型对待检测距离进行偏移补偿后得到的检测距离，有效避免多个传感器融合得到的待检测距离出现偶然误差，从而提高自动驾驶系统对距离检测的置信度。高自动驾驶系统对距离检测的置信度。高自动驾驶系统对距离检测的置信度。

【技术实现步骤摘要】
距离检测模型的训练方法、距离检测方法、设备和介质


[0001]本申请涉及自动驾驶的感知
，特别是涉及距离检测模型的训练方法、距离检测方法、设备和介质。

技术介绍

[0002]自动驾驶系统的核心可以概述为感知、规划和控制三个部分。感知是指自动驾驶系统从环境中采集信息并从中提取相关知识的能力，其中，环境感知特指对于环境的场景理解能力，例如，检测障碍物与自动驾驶车辆之间的距离。
[0003]目前自动驾驶系统对激光雷达、相机和毫米波雷达等多种传感器采集的数据进行融合，直接输出障碍物与自动驾驶车辆之间的距离。通过该方法输出的距离可能会存在偶然的误差，导致自动驾驶系统对距离检测的置信度较低。

技术实现思路

[0004]基于此，提供距离检测模型的训练方法、距离检测方法、设备和介质，提高自动驾驶系统对距离检测的置信度。
[0005]第一方面，提供一种距离检测模型的训练方法，所述方法包括：
[0006]获取距离检测区间并进行分段，得到至少两个子区间；
[0007]获取样本数据以及各个所述子区间的中心点，其中，所述样本数据包括当前车辆与障碍物之间的真实距离和至少一个预测距离；
[0008]根据所述真实距离与各个所述中心点，得到对应的真实偏移量；
[0009]根据各个所述预测距离与各个所述中心点，得到对应的预测偏移量；
[0010]根据检测损失对距离检测模型进行迭代训练，以获得训练后的距离检测模型，其中，所述检测损失包括偏移量损失，所述偏移量损失根据各个所述真实偏移量和所述预测偏移量获得。
[0011]结合第一方面，在第一方面的第一种可实施方式中，所述检测损失还包括概率损失，其中，所述概率损失获取方式包括：
[0012]获取所述真实距离分别位于各个所述子区间的真实概率；
[0013]获取所述预测距离分别位于各个所述子区间的预测概率；
[0014]根据各个所述真实概率与预测概率，获得概率损失。
[0015]结合第一方面，在第一方面的第二种可实施方式中，所述预测距离的获取方式包括：
[0016]获取当前车辆与障碍物之间的至少一个待处理距离，对各个所述待处理距离进行偏移补偿，得到对应的预测距离；
[0017]对各个所述预测距离进行评估，得到对应的距离置信度；
[0018]将各个所述距离置信度进行对比，得到最大距离置信度，并将所述最大距离置信度对应的预测距离进行输出。
[0019]结合第一方面，在第一方面的第三种可实施方式中，所述对各个所述待处理距离进行偏移补偿，得到对应的预测距离的步骤，包括：
[0020]获取所述待处理距离分别位于各个所述子区间内的检测概率；
[0021]根据所述待处理距离和各个所述子区间的中心点，得到对应的检测偏移量；
[0022]对各个所述检测概率、中心点和检测偏移量进行归一化处理，得到所述待处理距离在所述距离检测区间的概率分布；
[0023]对所述概率分布进行加权计算，得到所述概率分布的数学期望以及包括所述数学期望的预测距离。
[0024]结合第一方面，在第一方面的第四种可实施方式中，所述对各个所述预测距离进行评估，得到对应的距离置信度的步骤，包括：
[0025]对所述概率分布进行加权计算，得到所述概率分布的距离方差；
[0026]根据所述距离方差，得到所述距离置信度，其中，所述距离方差与所述距离置信度成反比。
[0027]结合第一方面，在第一方面的第五种可实施方式中，所述获取距离检测区间并进行分段，得到至少两个子区间的步骤，包括：
[0028]对所述距离检测区间进行线性增长离散化，得到至少一个距离段；
[0029]获取各个所述距离段的最大检测距离，其中，获取各个所述距离段的最大检测距离的数学表达为：
[0030][0031]其中，d
min
为预设的最小检测距离阈值，d
max
为预设的最大检测距离阈值，D为所述距离段的总数，i为所述距离段的序号，d
c
为第i个距离段的最大检测距离；
[0032]根据第i
‑
1个距离段和第i个距离段的最大检测距离，得到第i个子区间。
[0033]结合第一方面，在第一方面的第六种可实施方式中，所述根据检测损失对所述距离检测模型进行迭代训练的步骤中，采用的损失函数包括：
[0034][0035]其中，y
i
为所述真实距离在第i个子区间与对应中心点的真实偏移量，为所述预测距离在第i个子区间与对应中心点的预测偏移量，L1为在第i个子区间对应的所述偏移量损失。
[0036]结合第一方面，在第一方面的第七种可实施方式中，所述根据检测损失对所述距离检测模型进行迭代训练的步骤中，采用的损失函数包括：
[0037][0038]其中，D为所述子区间的总数，i为所述子区间的序号，p
i
为所述真实距离位于第i
个子区间的真实概率，为所述预处理距离位于第i个子区间的预测概率，L2为所述概率损失。
[0039]结合第一方面，在第一方面的第八种可实施方式中，所述对所述概率分布进行加权计算，得到所述概率分布的数学期望的数学表达为：
[0040][0041]其中，D为所述子区间的总数，i为所述子区间的序号，为所述预处理距离位于第i个子区间的检测概率，d
max
为预设的最大检测距离阈值，d
min
为预设的最小检测距离阈值，为所述预处理距离在第i个子区间与对应中心点的检测偏移量，为所述概率分布的数学期望。
[0042]结合第一方面，在第一方面的第九种可实施方式中，所述对所述概率分布进行加权计算，得到所述概率分布的距离方差的数学表达为：
[0043][0044]其中，D为所述子区间的总数，i为所述子区间的序号，为所述预处理距离位于第i个子区间的检测概率，d
max
为预设的最大检测距离阈值，d
min
为预设的最小检测距离阈值，为所述预处理距离在第i个子区间与对应中心点的检测偏移量，为所述概率分布的数学期望，为所述概率分布的距离方差。
[0045]第二方面，提供一种距离检测方法，所述方法包括：
[0046]获取当前车辆与障碍物之间的至少一个待检测距离；
[0047]将各个所述待检测距离输入根据第一方面或者第一方面的任一项可实施方式所述的距离检测模型的训练方法所获得的距离检测模型中，得到所述当前车辆与障碍物之间的检测距离。
[0048]结合第二方面，在第二方面的第一种可实施方式中，将各个所述待检测距离输入根据第一方面或者第一方面的任一项可实施方式所述的距离检测模型的训练方法所获得的距离检测模型中，得到最高置信度以及所述最高置信度对应的当前车辆与障碍物之间的检测距离。
[0049]结合第二方面，在第二方面的第二种可实施方式中，所述当前车辆与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种距离检测模型的训练方法，其特征在于，包括：获取距离检测区间并进行分段，得到至少两个子区间；获取样本数据以及各个所述子区间的中心点，其中，所述样本数据包括当前车辆与障碍物之间的真实距离和至少一个预测距离；根据所述真实距离与各个所述中心点，得到对应的真实偏移量；根据各个所述预测距离与各个所述中心点，得到对应的预测偏移量；根据检测损失对距离检测模型进行迭代训练，以获得训练后的距离检测模型，其中，所述检测损失包括偏移量损失，所述偏移量损失根据各个所述真实偏移量和所述预测偏移量获得。2.根据权利要求1所述的距离检测模型的训练方法，其特征在于，所述检测损失还包括概率损失，其中，所述概率损失的获取方式包括：获取所述真实距离分别位于各个所述子区间的真实概率；获取所述预测距离分别位于各个所述子区间的预测概率；根据各个所述真实概率与预测概率，获得概率损失。3.根据权利要求2所述的距离检测模型的训练方法，其特征在于，所述预测距离的获取方式包括：获取当前车辆与障碍物之间的至少一个待处理距离，对各个所述待处理距离进行偏移补偿，得到对应的预测距离；对各个所述预测距离进行评估，得到对应的距离置信度；将各个所述距离置信度进行对比，得到最大距离置信度，并将所述最大距离置信度对应的预测距离进行输出。4.根据权利要求3所述的距离检测模型的训练方法，其特征在于，所述对各个所述待处理距离进行偏移补偿，得到对应的预测距离的步骤，包括：获取所述待处理距离分别位于各个所述子区间内的检测概率；根据所述待处理距离和各个所述子区间的中心点，得到对应的检测偏移量；对各个所述检测概率、中心点和检测偏移量进行归一化处理，得到所述待处理距离在所述距离检测区间的概率分布；对所述概率分布进行加权计算，得到所述概率分布的数学期望以及包括所述数学期望的预测距离。5.根据权利要求4所述的距离检测模型的训练方法，其特征在于，所述对各个所述预测距离进行评估，得到对应的距离置信度的步骤，包括：对所述概率分布进行加权计算，得到所述概率分布的距离方差；根据所述距离方差，得到所述距离置信度，其中，所述距离方差与所述距离置信度成反比。6.根据权利要求1所述的距离检测模型的训练方法，其特征在于，所述获取距离检测区间并进行分段，得到至少两个子区间的步骤，包括：对所述距离检测区间进行线性增长离散化，得到至少一个距离段；获取各个所述距离段的最大检测距离，其中，获取各个所述距离段的最大检测距离的数学表达为：
其中，d
min
为预设的最小检测距离阈值，d
max
为预设的最大检测距离阈值，D为所述距离段的总数，i为所述距离段的序号，d
c
为第i个距离段的最大检测距离；根据第i
‑
1个距离段和第i个距离段的最大检测距离，得到第i个子区间。7.根据权利要求1所述的距离检测模型的训练方法，其特征在于，所述根据检测损失对所述距离检测模型进行迭代训练的步骤中，采用的损失函数包括：其中，y
i
为所述真实距离在第i个子区间与对应中心点的真实偏移量，为所述预测距离在第i个子区间与对...

【专利技术属性】
技术研发人员：程大治，
申请(专利权)人：北京小马慧行科技有限公司，
类型：发明
国别省市：