【技术实现步骤摘要】
本申请涉及图像处理，具体而言，涉及一种目标检测模型的训练方法、装置、存储介质、设备及车辆。
技术介绍
1、自动驾驶或者智能驾驶技术可按照运行流程分为感知、定位、规划和控制几大部分。其中，感知是指对道路图像中的目标对象进行检测，以确定车辆前方或者周围存在哪些目标对象，例如，其他车辆、行人、障碍物等。
2、相关技术中，可以先通过神经网络学习的方式在云端训练一个目标感知模型(或者称为目标检测模型)，再将该目标检测模型应用到用户车辆中自动对采集的道路图像进行目标检测。在训练目标检测模型时，先收集相机采集的大量原始道路图像，再人工对这些原始道路图像中包含的目标对象进行标注，最后对包含标注框的大量原始道路图像进行神经网络训练，最终获得目标检测模型。然而，一一将每张原始道路图像进行标注，不仅耗费人力，效率也十分低下。
技术实现思路
1、本申请提供了一种目标检测模型的训练方法、装置、存储介质、设备及车辆，能够解决需要人工对每张道路图像进行标注，从而导致目标检测模型获取效率低的问题。
2、具体的技术方案如下：
3、第一方面，本申请实施例提供了一种目标检测模型的训练方法，方法包括：
4、循环执行目标操作，直至满足预设停止条件时，将获得的当前目标检测模型确定为最终的二维目标检测模型；
5、其中，目标操作包括：
6、基于当前二维目标检测模型对多张第一道路图像分别进行目标检测，获得包含二维目标预测标注框的多张第二道路图像，以及基于三维目
7、基于激光雷达外参和相机外参将第二道路图像和与其对应的第二雷达点云进行目标预测标注框匹配；
8、将匹配成功的第二道路图像加入训练样本集合中重新进行训练，并将训练完成的模型作为当前二维目标检测模型。
9、通过上述方案可知，本申请实施例可以先使用一部分原始道路图像用于人工标注，并训练生成二维目标检测模型，再利用该二维目标检测模型自动对另一部分原始道路图像(即第一道路图像)进行二维目标检测，以及利用三维目标检测模型自动对第一雷达点云进行三维目标检测，并通过将二维目标检测与三维目标检测进行匹配的方式，筛选出高质量的(即相对准确的)二维目标检测结果(即第二道路图像)，最后将人工标注和自动标注的道路图像混合到一起构成训练样本集重新训练新的二维目标检测模型，并利用新的二维目标检测模型再次对未标注的第一道路图像进行标注，以实现对二维目标检测模型的循环训练，直至满足预设停止条件时获得最终的二维目标检测模型。由此可知，在训练二维目标检测模型的过程中，本申请实施例只需对一部分原始道路图像进行人工标注，剩余的原始道路图像可实现自动标注，而无需对每张原始道路图像一一进行人工标注，从而提高了获取训练样本集的效率，进而提高了获取二维目标检测模型的效率。
10、在第一方面的第一种可能的实现方式中，基于激光雷达外参和相机外参将第二道路图像和与其对应的第二雷达点云进行目标预测标注框匹配，包括：
11、基于激光雷达外参和相机外参，将第二雷达点云中的三维目标预测标注框映射到对应的第二道路图像，获得二维目标映射标注框；
12、计算同一张第二道路图像中的二维目标预测标注框和二维目标映射标注框的交并比；
13、当同一张第二道路图像中第一匹配数量与二维目标预测标注框的数量之比大于或者等于第一数量比阈值时，确定第二道路图像和与其对应的第二雷达点云匹配成功，其中，第一匹配数量为交并比大于或者等于交并比阈值的标注框对的数量，标注框对包括二维目标预测标注框和二维目标映射标注框。
14、通过上述方案可知，本申请实施例在实现第二道路图像和第二雷达点云的匹配时，只需进行映射和计算交并比两个过程，该匹配方式计算量小，效率高。
15、在第一方面的第二种可能的实现方式中，在将匹配成功的第二道路图像加入训练样本集合中重新进行训练之前，方法还包括：
16、根据场景分类模型和/或预设场景分类规则对多张第二道路图像进行场景分类；
17、将匹配成功的第二道路图像加入训练样本集合中重新进行训练包括：
18、将属于目标场景且目标预测标注框匹配成功的第二道路图像加入训练样本集合中重新进行训练。
19、通过上述方案可知，本申请实施例可以先将多张第二道路图像进行场景分类，再将属于目标场景且目标预测标注框匹配成功的第二道路图像加入训练样本集合中重新进行训练，从而使得训练得到的二维目标检测模型针对目标场景的目标检测准确率更高。
20、在第一方面的第三种可能的实现方式中，根据场景分类模型和/或预设场景分类规则对多张第二道路图像进行场景分类，包括：
21、根据场景分类模型对第二道路图像中包含的二维目标预测标注框所框定的目标物体进行种类识别，并根据识别结果确定第二道路图像所属的场景；
22、和/或，在第二道路图像的属性信息与预设场景分类规则中规定的目标属性信息相同的情况下，确定第二道路图像所属的场景为目标属性信息所对应的场景。
23、在第一方面的第四种可能的实现方式中，在循环执行目标操作之前，方法还包括：
24、从采集车生成的多个原始数据包中抽取目标数量的原始数据包，其中，原始数据包中包括采集车中各传感器生成的数据；
25、对抽取的原始数据包进行合格性检查；
26、在抽取的原始数据包检查合格的情况下，确定多个原始数据包均合格；
27、从多个原始数据包中包含的多张原始道路图像中筛选出满足图像质量要求的第一道路图像。
28、通过上述方案可知，本申请实施例不仅可以在从多张原始道路图像中筛选出满足图像质量要求的第一道路图像之前，先对原始道路图像所属的原始数据包进行合格性检查，从而进一步提高第一道路图像的质量，还可以通过抽检的方式确定所有原始数据包是否合格，从而提高了合格性检查的效率。
29、在第一方面的第五种可能的实现方式中，对抽取的原始数据包进行合格性检查，包括：
30、对抽取的原始数据包中的至少一个待测项进行检查，其中，至少一个待测项包括车体状态信息的合格性、传感器数据生成的合格性、激光雷达标定和相机标定的合格性中至少一项；
31、在至少一个待测项均检查合格的情况下，确定抽取的原始数据包合格。
32、在第一方面的第六种可能的实现方式中，对抽取的原始数据包中的至少一个待测项进行检查，包括：
33、当待测项包括车体状态信息的合格性时，在抽取的原始数据包中携带的车体状态信息表征采集车处于正常行驶状态的情况下，确定抽取的原始数据的车体状态信息检查合格；
34、当待测项包括传本文档来自技高网...
【技术保护点】
1.一种目标检测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于激光雷达外参和相机外参将所述第二道路图像和与其对应的所述第二雷达点云进行目标预测标注框匹配，包括：
3.根据权利要求1所述的方法，其特征在于，在将匹配成功的所述第二道路图像加入所述训练样本集合中重新进行训练之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述根据场景分类模型和/或预设场景分类规则对所述多张第二道路图像进行场景分类，包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，在所述循环执行目标操作之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述对抽取的所述原始数据包进行合格性检查，包括：
7.根据权利要求6所述的方法，其特征在于，所述对所述抽取的所述原始数据包中的至少一个待测项进行检查，包括：
8.根据权利要求5所述的方法，其特征在于，所述图像质量要求包括图像中无附着物、图像全局亮度大于或者等于亮度阈值、图像锐度大于或者等于锐度阈值、
9.一种目标检测模型的训练装置，其特征在于，所述装置包括：
10.根据权利要求9所述的装置，其特征在于，所述匹配子单元，包括：
11.根据权利要求9所述的装置，其特征在于，所述循环单元，还包括：
12.根据权利要求11所述的装置，其特征在于，所述分类子单元，用于根据所述场景分类模型对所述第二道路图像中包含的所述二维目标预测标注框所框定的目标物体进行种类识别，并根据识别结果确定所述第二道路图像所属的场景；和/或，在所述第二道路图像的属性信息与所述预设场景分类规则中规定的目标属性信息相同的情况下，确定所述第二道路图像所属的场景为所述目标属性信息所对应的场景。
13.根据权利要求9-12中任一项所述的装置，其特征在于，所述装置还包括：
14.根据权利要求13所述的装置，其特征在于，所述检查单元，包括：
15.根据权利要求14所述的装置，其特征在于，所述检查子单元，包括：
16.根据权利要求13所述的装置，其特征在于，所述图像质量要求包括图像中无附着物、图像全局亮度大于或者等于亮度阈值、图像锐度大于或者等于锐度阈值、图像中高光区域面积小于或者等于面积阈值。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
18.一种电子设备，其特征在于，所述电子设备包括：
19.一种车辆，其特征在于，包括如权利要求9-16中任一项所述的装置。
...【技术特征摘要】
1.一种目标检测模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于激光雷达外参和相机外参将所述第二道路图像和与其对应的所述第二雷达点云进行目标预测标注框匹配，包括：
3.根据权利要求1所述的方法，其特征在于，在将匹配成功的所述第二道路图像加入所述训练样本集合中重新进行训练之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述根据场景分类模型和/或预设场景分类规则对所述多张第二道路图像进行场景分类，包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，在所述循环执行目标操作之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述对抽取的所述原始数据包进行合格性检查，包括：
7.根据权利要求6所述的方法，其特征在于，所述对所述抽取的所述原始数据包中的至少一个待测项进行检查，包括：
8.根据权利要求5所述的方法，其特征在于，所述图像质量要求包括图像中无附着物、图像全局亮度大于或者等于亮度阈值、图像锐度大于或者等于锐度阈值、图像中高光区域面积小于或者等于面积阈值中任一项或多项的组合。
9.一种目标检测模型的训练装置，其特征在于，所述装置包括：
10.根据权利要求9所述的装置，其特征在于，所述匹配子单元，包...
【专利技术属性】
技术研发人员：邹镇洪，
申请(专利权)人：魔门塔苏州科技有限公司，
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。