【技术实现步骤摘要】
本申请涉及目标检测，特别涉及一种毫米波雷达的目标分类方法、装置、车辆、介质及程序。
技术介绍
1、智能汽车上的传感器不断的更新迭代，早期主要基于摄像头进行道路交通环境信息的采集，但随着技术发展，毫米波雷达具有成本低，受环境干扰小等优势应用到各大主流oem的智驾方案中，而目前目标分类的主体由基于视觉传感器的图像处理逐渐向基于雷达的回波信号处理技术转换。
2、相关技术中，基于毫米波雷达的目标识别主要是从雷达回波信号中提取出深层次的目标特征数据，然后利用机器学习方法来对目标进行分类识别，然而基于机器学习的方法应用性好，但其繁琐的中间层会导致信号响应速度慢、分类结果不准确等缺点。
技术实现思路
1、本申请提供一种毫米波雷达的目标分类方法、装置、车辆、介质及程序，以解决相关技术通过机器学习的方法来对目标进行分类识别，存在响应速度慢、分类结果不准确等问题。
2、本申请第一方面实施例提供一种毫米波雷达的目标分类方法，包括以下步骤：获取毫米波雷达感知的点云数据；对点云数据进行数据预...
【技术保护点】
1.一种毫米波雷达的目标分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的毫米波雷达的目标分类方法，其特征在于，所述利用训练完成的教师模型基于知识蒸馏优化所述学生模型，包括：
3.根据权利要求2所述的毫米波雷达的目标分类方法，其特征在于，所述训练损失函数包括：所述特征图对应的特征损失函数、所述尺寸信息对应的尺寸损失函数、所述分类概率对应的分类损失函数以及所述目标点对应的连续性损失函数，所述基于所述训练损失函数优化所述学生模型，包括：
4.根据权利要求3所述的毫米波雷达的目标分类方法，其特征在于，所述总损失函数的计算公式为
5....
【技术特征摘要】
1.一种毫米波雷达的目标分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的毫米波雷达的目标分类方法，其特征在于，所述利用训练完成的教师模型基于知识蒸馏优化所述学生模型，包括：
3.根据权利要求2所述的毫米波雷达的目标分类方法，其特征在于，所述训练损失函数包括：所述特征图对应的特征损失函数、所述尺寸信息对应的尺寸损失函数、所述分类概率对应的分类损失函数以及所述目标点对应的连续性损失函数，所述基于所述训练损失函数优化所述学生模型，包括：
4.根据权利要求3所述的毫米波雷达的目标分类方法，其特征在于，所述总损失函数的计算公式为：
5.根据权利要求1所述的毫米波雷达的目标分类方法，其特征在于，在利用训练完成的教师模型基于知识蒸馏优化所述学生模型之前，还包括：
<...【专利技术属性】
技术研发人员：李鹤，谭明伟，蔡世民，冷长峰，王常态，韩贤贤，高如杉，徐刚，周庸，刘迪，
申请(专利权)人：中国第一汽车股份有限公司，
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。