【技术实现步骤摘要】
目标检测模型的训练方法、地图的生成方法、装置和设备
[0001]本公开涉及自动驾驶技术,尤其是一种目标检测模型的训练方法、地图的生成方法、装置和设备。
技术介绍
[0002]在自动驾驶场景,通常需要利用车载环视相机和/或雷达进行道路元素(比如车道线、斑马线、路沿、可行驶区域等元素)的感知,用于在线地图的生成。相关技术中通常采用目标检测模型对各类元素对应的地图实例框进行预测,获得地图实例框位置,进而基于各地图实例框位置生成地图,但是,生成的地图精度较低。
技术实现思路
[0003]为了解决上述基于地图实例框位置生成的地图精度较低等技术问题,提出了本公开。本公开的实施例提供了一种目标检测模型的训练方法、地图的生成方法、装置和设备。
[0004]根据本公开实施例的一个方面,提供了一种目标检测模型的训练方法,包括:获取训练输入数据及对应的第一标签数据,所述训练输入数据包括训练图像数据和/或训练点云数据,所述第一标签数据包括所述训练输入数据中第一数量的实例分别对应的有序点集,所述有序点集包括目标数量的第一坐标系下的坐标点;基于所述训练输入数据、所述第一标签数据、点对点损失函数及方向损失函数,对预先建立的目标检测网络进行训练,获得目标检测模型,所述点对点损失函数用于确定所述目标检测网络输出的训练实例点集相对于所述第一标签数据中实例的有序点集的点对点损失,所述方向损失函数用于确定所述训练实例点集中点与点之间的方向相对于所述第一标签数据中实例的有序点集的点与点之间的方向的损失。
[0005]根据本公开 ...
【技术保护点】
【技术特征摘要】
1.一种目标检测模型的训练方法,包括:获取训练输入数据及对应的第一标签数据,所述训练输入数据包括训练图像数据和/或训练点云数据,所述第一标签数据包括所述训练输入数据中第一数量的实例分别对应的有序点集,所述有序点集包括目标数量的第一坐标系下的坐标点;基于所述训练输入数据、所述第一标签数据、点对点损失函数及方向损失函数,对预先建立的目标检测网络进行训练,获得目标检测模型,所述点对点损失函数用于确定所述目标检测网络输出的训练实例点集相对于所述第一标签数据中实例的有序点集的点对点损失,所述方向损失函数用于确定所述训练实例点集中点与点之间的方向相对于所述第一标签数据中实例的有序点集的点与点之间的方向的损失。2.根据权利要求1所述的方法,其中,所述基于所述训练输入数据、所述第一标签数据、点对点损失函数及方向损失函数,对预先建立的目标检测网络进行训练,获得目标检测模型,包括:基于所述训练输入数据及所述目标检测网络,获得所述训练实例点集;基于所述训练实例点集、所述第一标签数据及所述点对点损失函数,确定第一损失;基于所述训练实例点集、所述第一标签数据及所述方向损失函数,确定第二损失;基于所述第一损失和所述第二损失,对所述目标检测网络的网络参数进行调整,直至所述第一损失和所述第二损失满足预设条件,获得所述目标检测模型。3.根据权利要求2所述的方法,其中,所述基于所述训练实例点集、所述第一标签数据及所述点对点损失函数,确定第一损失,包括:对于每个所述实例,基于所述第一标签数据中该实例对应的有序点集,分别以该有序点集的不同顺序,确定该有序点集中各点与所述训练实例点集中该实例的点的对应关系,获得各顺序分别对应的点对点关系;基于各顺序分别对应的所述点对点关系,确定各顺序分别对应的点对点损失;将点对点损失最小的顺序作为该实例的目标顺序;将所述目标顺序对应的点对点损失作为该实例的目标点对点损失;基于各所述实例的所述目标点对点损失,确定所述第一损失。4.根据权利要求3所述的方法,其中,所述基于所述训练实例点集、所述第一标签数据及所述方向损失函数,确定第二损失,包括:基于所述训练实例点集、所述第一标签数据、各实例分别对应的目标顺序及所述方向损失函数,确定所述第二损失。5.根据权利要求2所述的方法,其中,所述训练输入数据还包括初始查询特征及初始参考点,所述初始查询特征包括所述第一数量的实例分别对应的目标数量的初始特征,所述初始参考点包括各所述初始特征分别对应的参考坐标点;所述目标检测网络为基于可变形检测变换器的检测网络;所述基于所述训练输入数据及所述目标检测网络,获得所述训练实例点集,包括:基于所述目标检测网络中的第一特征提取网络对所述训练图像数据进行特征提取,获得第一训练图像特征;基于所述目标检测网络中的第二特征提取网络对所述训练点云数据进行特征提取,获得第一训练点云特征;
基于所述目标检测网络中的编码器网络对所述第一训练图像特征和/或所述第一训练点云特征进行编码,获得第一坐标系下的目标训练特征图;基于所述目标训练特征图、所述初始查询特征、所述初始参考点、及所述目标检测网络中的解码器网络,获得训练解码结果,所述解码器网络包括至少一个解码器;基于所述训练解码结果,确定所述训练实例点集。6.根据权利要求5所述的方法,其中,所述基于所述目标训练特征图、所述初始查询特征、所述初始参考点、及所述目标检测网络中的解码器网络,获得训练解码结果,包括:对于所述解码器网络中的每个所述解码器,基于所述目标训练特征图及该解码器对应的输入查询特征和输入参考点,获得该解码器的解码结果,其中,第一个解码器对应的输入查询特征和输入参考点分别为所述初始查询特征和所述初始参考点,除所述第一个解码器之外的任一其他解码器对应的输入查询特征为该其他解码器的前一解码器的解码结果,该其他解码器的输入参考点为基于前一解码器的解码结果确定的输出参考点;将最后一个所述解码器的解码结果作为所述训练解码结果。7.根据权利要求6所述的方法,其中,在所述对于所述解码器网络中的每个所述解码器,基于所述目标训练特征图及该解码器对应的输入查询特征和输入参考点,获得该解码器的解码结果之后,还包括:基于该解码器的解码结果、及该解码器对应的偏移量预测网络,确...
【专利技术属性】
技术研发人员:廖本成,陈少宇,程天恒,张骞,
申请(专利权)人:北京地平线信息技术有限公司,
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。