【技术实现步骤摘要】
检测模型的训练方法、可行使区域的确定方法和装置
[0001]本申请涉及自动驾驶
,尤其涉及检测模型的训练方法、可行使区域的确定方法和装置。
技术介绍
[0002]近些年,随着汽车制造厂商对智能车辆技术的研发,各种级别的辅助驾驶技术得到了快速发展。而对周围环境中的障碍物进行感知是实现车辆自动导航的关键技术之一,也是实现自动驾驶、自动泊车的关键能力之一。
[0003]智能泊车可以分为两大类:自动泊车(APA,Automatic Parking Assistance)和自主泊车(AVP,Automatic Valet Parking)。自动泊车是指,驾驶员驾驶车辆来到停车位旁边,由自动驾驶系统控制车辆自动泊入目标车位的过程。自主泊车则是在自动泊车的基础上增加了一定距离的无人驾驶寻库功能,驾驶员只需驾驶车辆来到停车场入口,车辆便自动寻找车位并泊入车位的过程。
[0004]而在进行智能泊车的过程中,车辆需要实时感知周围环境中的障碍物,以确定可行驶区域(Freespace),并基于可行使区域做出路径规划。因此,如何提高可行使区域确定的准确性是需要解决的技术问题。
技术实现思路
[0005]为克服相关技术中存在的问题,本申请提供一种检测模型的训练方法、可行使区域的确定方法和装置,通过端到端的深度学习,提高了模型训练的效果。
[0006]根据本申请实施例的一方面,提供一种检测模型的训练方法,包括:获取训练样本;所述训练样本包括至少一个车载相机采集的至少一个图像,和所述至少一个图像的标注信 ...
【技术保护点】
【技术特征摘要】
1.一种检测模型的训练方法,其特征在于,包括:获取训练样本;所述训练样本包括至少一个车载相机采集的至少一个图像,和所述至少一个图像的标注信息;其中,图像和车载相机一一对应;根据所述至少一个图像和所述至少一个图像的标注信息中的映射参数的真值,执行第一训练任务,以对所述检测模型的第一网络训练;根据训练后的所述第一网络输出的各个所述图像对应的映射参数的预测值对各个所述图像进行修正;根据至少一个修正后的图像和所述至少一个修正后的图像对应的标注信息中的真值障碍物接地线,执行第二训练任务,以对所述检测模型的第二网络训练。2.根据权利要求1所述的方法,其特征在于,所述映射参数为车载相机的内外参数,所述根据所述至少一个图像和所述至少一个图像的标注信息中的映射参数的真值,包括:将所述至少一个图像输入所述检测模型的第一网络,得到所述第一网络输出的各个所述图像对应的内外参数的预测值;根据所述至少一个图像对应的内外参数的预测值和所述至少一个图像标注的内外参数的真值间的差异,确定第一损失函数;根据所述第一损失函数,对所述第一网络进行训练。3.根据权利要求2所述的方法,其特征在于,所述第一网络包括顺序连接的至少一个第一特征提取层和前馈神经网络层,所述将所述至少一个图像输入所述检测模型的第一网络,得到所述第一网络输出的各个所述图像对应的内外参数的预测值,包括:针对每一个所述图像,将所述图像输入所述至少一个第一特征提取层进行特征提取,得到第一目标特征图;其中,前层的第一特征提取层输出的特征图的尺寸,大于后层的第一特征提取层输出的特征图的尺寸;将所述第一目标特征图输入所述前馈神经网络层进行特征处理,得到所述图像对应的内外参数的预测值。4.根据权利要求2所述的方法,其特征在于,所述根据所述至少一个图像对应的内外参数的预测值和所述至少一个图像标注的内外参数的真值间的差异,确定第一损失函数,包括:针对每一个图像,根据所述图像对应的内外参数中各个参数的预测值和真值间的差异,确定第一子损失函数;将所述至少一个第一子损失函数进行加权相加,得到所述第一损失函数。5.根据权利要求1所述的方法,其特征在于,所述映射参数为车载相机的重映射参数,所述根据所述至少一个图像和所述至少一个图像的标注信息中的映射参数的真值,执行第一训练任务,以对所述检测模型的第一网络训练,包括:将所述至少一个图像输入所述检测模型的第一网络,得到所述至少一个图像对应的重映射参数的预测值;其中,重映射参数指示了图像坐标系下各个位置坐标与车辆坐标系中各个位置坐标间的映射关系;根据所述至少一个图像对应的重映射参数的预测值和所述至少一个图像标注的重映射参数的真值间的差异,确定第二损失函数;根据所述第二损失函数,对所述第一网络进行训练。
6.根据权利要求5所述的方法,其特征在于,所述第一网络包括顺序连接的至少一个第二特征提取层和至少一个上采样卷积层,所述将所述至少一个图像输入所述检测模型的第一网络,得到所述至少一个图像对应的重映射参数的预测值,包括:针对每一个所述图像,将所述图像输入所述至少一个第二特征提取层进行特征提取,得第二目标特征图;其中,前层的第二特征提取层输出的特征图的尺寸,大于后层的第二特征提取层输出的特征图的尺寸;将所述第二目标特征图输入所述至少一个上采样卷积层,得到所述图像对应的重映射参数的预测值。7.根据权利要求5所...
【专利技术属性】
技术研发人员:万韶华,
申请(专利权)人:小米汽车科技有限公司,
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。