【技术实现步骤摘要】
三维目标检测模型训练方法及装置
[0001]本专利技术涉及三维目标检测
，尤其涉及一种三维目标检测模型训练方法及装置。
技术介绍
[0002]三维目标检测在三维空间中检测出特定目标，广泛应用于机器人感知、自动驾驶等领域。利用激光雷达数据进行三维目标检测对自动驾驶系统具有重要意义，因为点云提供的信息比RGB图像更准确、更可靠。
[0003]现有技术中，全监督三维目标检测的研究已经进行了很长时间，并取得了很大的进展。然而，对于一个新引入的自动驾驶系统来说，点云中的3D标注是极其繁琐和耗时的，即现有的三维检测模型在训练时强依赖于三维标签，成本较高。
[0004]因此，探索从有限的激光雷达数据中学习数据效率的方法是有意义的。近年来，弱监督的方法获得了广泛的关注，弱监督三维目标检测通过更弱的监督信息，如：三维中心点、二维检测框等来达到近似全监督三维目标检测的效果，以此来降低标注成本和时间。根据有关研究统计，鸟瞰视角下的目标中心点标注比常规的三维检测框标注快15～45倍，二维检测框比三维检测框快3～16倍，并且现有...
【技术保护点】
【技术特征摘要】
1.一种三维目标检测模型训练方法，其特征在于，包括：基于二维检测框及与其对应的第一三维点云数据估计所述第一三维点云数据的伪三维检测框，将所述伪三维检测框作为第一伪标签；根据所述第一三维点云数据和对应的第一伪标签，以及第二三维点云数据和对应的真实标签训练教师网络；将所述第一三维点云数据输入训练好的教师网络，获取所述教师网络输出的第二伪标签；根据所述第一三维点云数据和对应的第二伪标签，以及所述第二三维点云数据和对应的真实标签训练学生网络，将训练完成的学生网络作为所述三维目标检测模型，所述学生网络与教师网络具有相同的网络结构。2.根据权利要求1所述的三维目标检测模型训练方法，其特征在于，基于二维检测框及与其对应的第一三维点云数据估计所述第一三维点云数据的伪三维检测框，包括：过滤掉所述第一三维点云数据中的地面点云，得到过滤后的点云；通过相机参数将所述过滤后的点云投影到二维图像坐标系下，筛选出位于所述二维检测框内的目标点云；根据截锥和所述目标点云确定所述伪三维检测框，所述截锥由所述二维检测框和相机中图像传感器的中心位置确定。3.根据权利要求2所述的三维目标检测模型训练方法，其特征在于，根据所述目标点云和截锥确定所述伪三维检测框，包括：在所述截锥内对应鸟瞰视角下的侧面确定具有不同朝向角的多个包围所述目标点云的外接矩形框；对于每个外接矩形框确定一个顶点作为关键点，与所述关键点连接的两条边为关键边，以所述关键点和关键边确定直角三角形；对于每个外接矩形框，选择包含目标点云在所述侧面的投影点数量最多的直角三角形作为准目标直角三角形；对于每个准目标直角三角形，计算目标点云在所述侧面的投影点中每个点到准目标直角三角形的两条关键边的第一距离和第二距离，将所述第一距离和第二距离均大于预设距离阈值的所有点组成临时点集合，选取临时点数量最少的临时点集合对应的准目标直角三角形作为目标直角三角形；根据所述目标直角三角形对应的关键点作垂直于所述侧面的垂线，所述垂线与截锥的另一侧面相交形成第一交点，获取两条关键边所在直线分别与截锥的两条棱线的第二交点和第三交点，根据所述关键点、第一交点、第二交点和第三交点界定所述伪三维检测框。4.根据权利要求3所述的三维目标检测模型训练方法，其特征在于，在所述截锥内对应鸟瞰视角下的侧面确定具有不同朝向角的多个包围所述目标点云的外接矩形框，包括：在所述截锥内对应鸟瞰视角下的侧面确定朝向角为0度的外接矩形框，所述朝向角为外接矩形框中心到矩形边中点的连线与目标点云所在的雷达坐标系x轴的夹角；朝同一方向按预定间隔角度旋转朝向角，旋转一次获取一个外接矩形框，直到旋转到90度，以确定多个包围所述目标点云的外接矩形框。5.根据权利要求1～4中任一项所述的三维目标检测模型训练方法，其特征在于，将第
一三维点云数据输入训练好的教师网络，获取所述教师网络输出的第二伪标签，包括：对第一三维点云数据作第一增广处理，将第一增广处理后的第一三维点云数据输入训练好的教师网络，获取所述教师网络输出的第一增广伪标签；对第一三维点云数据作第二增广处理，将第二增广处理后的第一三维点云数据输入训练好的教师网络，获取所述教师网络输出的第二增广伪标签。6.根据权利要求5所述的三维目标检测...
【专利技术属性】
技术研发人员：李想，阴俊博，李伟，杨睿刚，沈建冰，
申请(专利权)人：嬴彻星创智能科技上海有限公司，
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。