训练样本采集方法、装置、设备以及存储介质制造方法及图纸

本公开提供了一种训练样本采集方法、装置、设备以及存储介质，涉及人工智能技术领域，具体为计算机视觉、图像处理、深度学习等技术领域，可应用于智慧城市、元宇宙等场景，通过获取第一雷达采集的第一点云数据之后，由于所述第一点云数据中包括所述第一雷达通过多个波束所采集的位置点数据，从而可以根据第一点云数据中各位置点数据所属的波束，对所述第一点云数据进行降采样，以得到降采样后的第二点云数据，基于第二点云数据，生成用于对目标识别模型进行训练的训练样本。目标识别模型在训练时采用了不用分辨率的点云数据，提高了识别准确性。确性。确性。

【技术实现步骤摘要】
训练样本采集方法、装置、设备以及存储介质


[0001]本公开涉及人工智能
，具体为计算机视觉、图像处理、深度学习等
，可应用于智慧城市、元宇宙等场景，尤其涉及训练样本采集方法、装置、设备以及存储介质。

技术介绍

[0002]为了能够更好进行对象识别，通常是将雷达采集到的点云输入到目标识别模型中，以使目标识别模型识别出点云对应的物体。
[0003]但在使用过程中发现，采用一种型号雷达采集的点云数据训练得到的目标识别模型，在迁移应用到其他型号雷达时，目标识别效果不好。

技术实现思路

[0004]本公开提供了一种训练样本采集方法、装置、设备以及存储介质。
[0005]根据本公开的一方面，提供了一种训练样本采集方法，包括：
[0006]获取第一雷达采集的第一点云数据，其中，所述第一点云数据中包括所述第一雷达通过多个波束所采集的位置点数据；
[0007]根据所述第一点云数据中各位置点数据所属的波束，对所述第一点云数据进行降采样，以得到降采样后的第二点云数据；
[0008]基于所述第二点云数据，生成用于对目标识别模型进行训练的训练样本。
[0009]根据本公开的另一方面，提供了一种训练样本采集装置，包括：
[0010]获取模块，用于获取第一雷达采集的第一点云数据，其中，所述第一点云数据中包括所述第一雷达通过多个波束所采集的位置点数据；
[0011]降采样模块，用于根据所述第一点云数据中各位置点数据所属的波束，对所述第一点云数据进行降采样，以得到降采样后的第二点云数据；
[0012]生成模块，用于基于所述第二点云数据，生成用于对目标识别模型进行训练的训练样本。
[0013]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面实施例所述的方法。
[0014]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本公开第一方面实施例所述的方法。
[0015]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开第一方面实施例所述的方法。
[0016]本公开提供的训练样本采集方法、装置、设备以及存储介质，通过获取第一雷达采集的第一点云数据之后，由于所述第一点云数据中包括所述第一雷达通过多个波束所采集
的位置点数据，从而可以根据第一点云数据中各位置点数据所属的波束，对所述第一点云数据进行降采样，以得到降采样后的第二点云数据，基于第二点云数据，生成用于对目标识别模型进行训练的训练样本。目标识别模型在训练时采用了不用分辨率的点云数据，扩展了目标识别模型的适用范围，避免相关技术中由于不同型号雷达分辨率不同所导致的采用一种型号雷达采集的点云数据训练得到的目标识别模型，在迁移应用到其他型号雷达时目标识别效果不好的情况出现。
[0017]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0018]附图用于更好地理解本方案，不构成对本申请的限定。其中：
[0019]图1为本公开实施例提供的一种训练样本采集方法的流程示意图；
[0020]图2为本公开实施例提供的另一种训练样本采集方法的流程示意图；
[0021]图3为本公开实施例提供的另一种训练样本采集方法的流程示意图；
[0022]图4为本公开实施例提供的另一种训练样本采集方法的流程示意图；
[0023]图5为一种处理过程示意图；
[0024]图6为本公开实施例提供的一种训练样本采集装置600的结构示意图；
[0025]图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。
具体实施方式
[0026]以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0027]为了能够更好进行对象识别，通常是将雷达采集到的点云数据输入到目标识别模型中，以使目标识别模型识别出点云对应的物体。但在使用过程中发现，不同型号的雷达往往分辨率不同，采用一种型号的雷达训练得到的目标识别模型迁移到其他型号雷达时，识别效果不好。导致目标识别模型适用范围较小。因此，为了扩大目标识别模型的适用范围，需要对目标识别模型进行迁移训练。
[0028]相关技术中，若分别采用不同雷达进行采样无疑会增加采样成本，本公开实施例中，仅仅采用一种雷达进行点云数据的采样，便可以通过降采样模拟出不同型号雷达采样得到的点云数据。
[0029]本公开实施例中，通过获取第一雷达采集的第一点云数据之后，由于所述第一点云数据中包括所述第一雷达通过多个波束所采集的位置点数据，从而可以根据第一点云数据中各位置点数据所属的波束，对所述第一点云数据进行降采样，以得到降采样后的第二点云数据，基于第二点云数据，生成用于对目标识别模型进行训练的训练样本。目标识别模型在训练时采用了不用分辨率的点云数据，扩展了目标识别模型的适用范围，避免相关技术中由于不同型号雷达分辨率不同所导致的采用一种型号雷达采集的点云数据训练得到的目标识别模型，在迁移应用到其他型号雷达时目标识别效果不好的情况出现。
[0030]下面参考本公开各实施例，对训练样本采集方法、装置、设备以及存储介质进行介绍。
[0031]图1为本公开实施例提供的一种训练样本采集方法的流程示意图，本实施例所提供的方法，可以由云端服务器执行，云端服务器与至少一个车载雷达通信连接，例如：第一雷达，以便获取采集的第一点云数据。本领域技术人员可以知晓，本实施例所提供的方法，还可以由第一雷达执行，或者由搭载第一雷达的车载终端执行。
[0032]如图1所示，该方法包括：
[0033]步骤101，获取第一雷达采集的第一点云数据，其中，所述第一点云数据中包括所述第一雷达通过多个波束所采集的位置点数据。
[0034]第一雷达，是本实施例中用于采样点云数据的雷达，第一雷达采集的点云数据称为第一点云数据。
[0035]第一雷达通过多个波束进行位置点数据的采集，采集到的位置点数据则呈现点云形态，因此，可以称其为第一点云数据。第一雷达中包含的多个波束，每个波束对应了一定的方向角，也就是在一定的方向角上进行位置点数据的采集。这里说的方向角，指波束的中心角度，本领域技术人员可以知晓，由于波束是具有一定角宽的，从而波束可以在以这个方向角为中心的一定角度范本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练样本采集方法，包括：获取第一雷达采集的第一点云数据，其中，所述第一点云数据中包括所述第一雷达通过多个波束所采集的位置点数据；根据所述第一点云数据中各位置点数据所属的波束，对所述第一点云数据进行降采样，以得到降采样后的第二点云数据；基于所述第二点云数据，生成用于对目标识别模型进行训练的训练样本。2.根据权利要求1所述的方法，其中，所述根据所述第一点云数据中各位置点数据所属的波束，对所属第一点云数据进行降采样，以得到降采样后的第二点云数据，包括：获取第二雷达中多个波束的方向角，其中，所述第二雷达的波束数量少于所述第一雷达；将所述第一雷达的多个波束中不与所述第二雷达的任一个波束方向角匹配的波束作为第一目标波束；从所述第一点云数据中，删除属于所述第一目标波束的位置点数据，以得到降采样后的所述第二点云数据。3.根据权利要求2所述的方法，其中，所述方法还包括：所述第一雷达中与所述第二雷达的任一个波束之间的方向角差异均大于阈值的波束，确定为不与所述第二雷达的任一个波束方向角匹配的第一目标波束。4.根据权利要求1所述的方法，其中，所述根据所述第一点云数据中各位置点数据所属的波束，对所属第一点云数据进行降采样，以得到降采样后的第二点云数据，包括：从所述第一雷达所包含的波束中，依据降采样率选取第二目标波束；从所述第一点云数据中，删除属于所述第二目标波束的位置点数据，以得到降采样后的所述第二点云数据。5.根据权利要求1－4任一项所述的方法，其中，所述方法还包括：根据所述第一点云数据中各位置点数据的位置，将所述第一点云数据中各位置点数据投影在设定空间域中，以确定各所述位置点数据在所述空间域中所处的方向角；根据所述第一雷达中各波束在所述空间域中的方向角，以及各所述位置点数据在所述空间域中所处的方向角，确定所述第一点云数据中各位置点数据所属的波束。6.根据权利要求5所述的方法，其中，所述根据所述第一雷达中各波束在所述空间域中的方向角，以及各所述位置点数据在所述空间域中所处的方向角，确定所述第一点云数据中各位置点数据所属的波束，包括：根据所述第一雷达中各波束在所述空间域中的方向角，以及对应的角分辨率，确定所述第一雷达中各波束的方向角范围；根据各所述位置数据的方向角所属的方向角范围，确定所述第一点云数据中各位置点数据所属的波束。7.根据权利要求5所述的方法，其中，所述根据所述第一雷达中各波束在所述空间域中的方向角，以及各所述位置点数据在所述空间域中所处的方向角，确定所述第一点云数据中各位置点数据所属的波束，包括：以所述第一雷达中各波束在所述空间域中的方向角为聚类中心，基于所述第一点云数据中各位置点数据在所述空间域中所处的方向角，对所述第一点云数据中各位置点数据进
行聚类，以得到所述第一雷达中各波束对应的聚簇；确定各聚簇所包含的位置点数据属于聚簇对应的波束。8.根据权利要求1－4任一项所述的方法，其中，所述基于所述第二点云数据，生成用于对目标识别模型进行训练的训练样本，包括：根据所述第一点云数据中各位置点数据的目标标注信息，对所述第二点云数据中对应的位置点数据进行目标标注；将所述第二点云数据中携带所述目标标注信息的位置点数据作为所述训练样本，添加到用于对目标识别模型进行训练的训练样本集合中。9.一种训练样本采集装置，包括：获取模块，用于获取第一雷达采...

【专利技术属性】
技术研发人员：陈曲，叶晓青，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：